zoukankan      html  css  js  c++  java
  • TSINGSEE青犀视频开发AI识别dlib使用GPU如何激活?

    安防行业是AI人工智能落地比较成熟的应用领域,其先进性和未来的可发展性是毋庸置疑的。在人工智能技术落地安防领域之后,的确为安防行业带来了翻天覆地的变化,智能化、数据化和便捷化的优势赋予了安防行业新的生命力,促进安防行业的全面发展。

    目前TSINGSEE青犀视频团队也紧抓5G+AI技术的发展,为旗下产品升级和研发持续努力。现有的EasyCVR/EasyRTC等都相继加入了AI智能检测分析、5G大宽带实时音视频应用等。

    我们在研究AI分析时,dlib默认安装是使用CPU(pip install dlib),CPU进行AI分析是比较耗时的,打印里面的dlib信息如下:

    print(dlib.version)
    print(“cuda:”, dlib.DLIB_USE_CUDA)
    print(“device:”, dlib.cuda.get_num_devices())

    分别打印的信息为: 19.22.0、False, 1

    “dlib.DLIB_USE_CUDA”为True才是激活的GPU。

    进入python安装的目录(site-packages)中查看dlib文件中的__init__.py

    发现里面安装的if ‘OFF’ == ‘ON’,此判断永远不会进去。所以我们开始的想法是直接改成if ‘ON’ == ‘ON’,这样运行程序会导致程序崩溃,所以不能改。

    上图的程序也会有个超GPU的.lib文件,从本地文件中找路径(C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.0/lib/x64/cudart.lib),发现没有此文件。所以我们想到:需要使用GPU,电脑中缺少文件。于是我们又进行了搜索,了解到不能只安装python dlib库,这样是不会激活GPU的,还需要安装cuDNN。

    安装dlib,需要先把python安装的dlib给卸载(pip uninstall dlib),再重新安装。

    下载完成之后将其解压,解压之后的目录如下:

    把cuDNN目录下的文件直接移动到CUDA的bin目录文件中,这样即可完成安装。

    下面就需要再次安装dlib库,注意不能使用python命令安装,否则GPU还是无法激活使用。需要单独下载和编译,下载和编译完成只需要执行dlib中的python setup.py install命令即可安装,dlib.DLIB_USE_CUDA 打印为True才算激活成功。

  • 相关阅读:
    bzoj 1017 魔兽地图DotR
    poj 1322 chocolate
    bzoj 1045 糖果传递
    poj 3067 japan
    timus 1109 Conference(二分图匹配)
    URAL 1205 By the Underground or by Foot?(SPFA)
    URAL 1242 Werewolf(DFS)
    timus 1033 Labyrinth(BFS)
    URAL 1208 Legendary Teams Contest(DFS)
    URAL 1930 Ivan's Car(BFS)
  • 原文地址:https://www.cnblogs.com/TSINGSEE/p/15634232.html
Copyright © 2011-2022 走看看