目录
本文转载： OpenCV学堂
CUDA安装与配置
根据自己的GPU 选择合适的版本，我的是RTX2080Ti，选择CUDA10.0版本，按照默认地址安装就好，安装完之后看是否有环境变量。没有的话自己加上。
以及，
cuDNN
cuDNN一定要7.5版本以上，否则CMake将无法识别出cuDNN路径。
打开下载好的cuDNN，如下图
将cuDNN中bin、include、lib文件夹中的文件放入对应CUDA路径下的文件夹中
CMake编译
打开CMake，选择源码路径，以及生成路径，选择对应VS版本。开始第一次Configue。
其中会下载一些第三方文件，可以自行下载，否则速度较慢。第一次configure完成之后，勾选BUILD_opencv_world.
以及，勾选OPENCV_DNN_CUDA，选择解压好的opencv_contrib中modules路径添加进来。
勾选WITH_CUDA。
进行第二次Configure，Configure完成之后可能会报错，此时不管他，根据GPU算力表选择合适的CUDA_ARCH_BIN值，如我的是RTX2080Ti，则将CUDA_ARCH_BIN其余值删除，只留下7.5。然后勾选CUDA_FAST_MATH，点击Configure。
等待Configure完成之后，查看是否检测到了CUDA和cuDNN，都出现YES之后，说明没有问题。这边是一个坑，需要注意，如果没有检测到的话，需要确认是否CUDA和cuDNN版本正确，否则后面的编译将不会编译CUDA模块，白白浪费时间。确认之后，点击Generate。
点击Open Project打开工程，在Release模式下右键点击ALL_BUILD，生成，时间较长
生成之后，右击INSTALL->仅用于项目->仅生成INSTALL
到这边就编译好了，Debug版本同理
运行测试
添加环境变量。
在测试代码中配置包含目录和库目录，添加附加依赖项，opencv_world420.lib
由于项目的关系，代码就不贴出来了，官方提供了一份代码示例。
在我自己的项目上运行，首先是CPU版本（I9-9900K），推理时间在22.45ms。
CUDA版本（RTX 2080Ti），推理时间是2.16ms。提升了10倍左右。
顺便贴一个OpenVINO推理引擎的运行效率，大概是8.17ms左右
总结
opencv和opencv_contrib版本要对应
在下载部分第三方库时也要找好对应版本。
勾选WITH_CUDA 、OPENCV_DNN_CUDA。
一定要查看cuDNN版本是否正确，否则几个小时的编译将是浪费时间。
最好使用VS2017版本，VS2015测试出现异常，编译失败。