一、编译前置条件
安装vs2019，并勾选使用c++桌面开发；
安装cuda、cudnn、tensorrt，并配置好环境变量；
安装cmake并配置好环境变量；
安装好opencv并配置好环境变量；
下载好对应版本的paddlepaddle C++ 预测库（https://paddleinference.paddlepaddle.org.cn/user_guides/download_lib.html#windows，注意匹配本机的cuda和cudnn版本）；
下载release版本的paddleclas（如2.2）。

二、cmake编译配置

此时会出现很多错误，这是由于没有进行cuda、cudnn、cmake、tensorrt等的配置，具体配置见下图

三、vs2019编译生成
按如上步骤进行配置，然后进入vs2019中，进行如下配置

编译生成的输出窗口如果显示如下内容，即编译成功

进入release目录，默认目录文件如下

四、执行预测
      如果要进行图像分类预测，还需要导入opencv和paddlepaddle c++的库，同时需要下载分类模型（这里下载的是车辆细分类模型，地址https://paddle-imagenet-models-name.bj.bcebos.com/dygraph/rec/models/inference/vehicle_cls_ResNet50_CompCars_v1.0_infer.tar）并修改config.txt（此文件在paddleclas项目的D:\make\PaddleClas-release_2.2\deploy\cpp\docs\imgs目录下），主要配置cls_model_path和cls_params_path参数，
完成的目录文件如下：

在命令行执行如下命令：clas_system.exe config.txt 4.jpg，可得到如下输出结果：

至此，整个编译过程完成