Question

我正在尝试使用cvlib软件包，该软件包使用yolov3模型来识别Windows 10上图像上的对象。让我们举一个简单的例子：

import cvlib as cv
import time
from cvlib.object_detection import draw_bbox


inittimer=time.time()
bbox, label, conf = cv.detect_common_objects(img,confidence=0.5,model='yolov3-worker',enable_gpu=True)
print('The process tooks %.3f s'%(time.time()-inittimer)

output_image = draw_bbox(img, bbox, label, conf)

结果给出〜60ms。

cvlib使用opencv计算此cnn部分。

如果现在我尝试使用子进程查看使用了多少GPU张量流，则仅需824MiB。

程序运行时，如果我启动nvidia-smi，它将得到以下结果：

您可以看到这里有更多可用的内存。我的问题很简单..为什么Cvlib（以及tensorflow）没有使用所有这些来改善时间检测？

编辑：

据我了解，cvlib使用tensorflow但也使用opencv检测器。我使用cmake和Cuda 10.2安装了opencv 我不明白为什么，但是在nvidia-smi中写的是CUDA版本：11.0，不是。也许这就是问题的一部分？

Answer 1

您可以验证opencv是否正在使用CUDA。可以使用以下方法完成

import cv2
print(cv2.cuda.getCudaEnabledDeviceCount())

这应该为您提供机器中启用CUDA的设备的数量。您还应该使用以下方法检查构建信息

import cv2
print cv2.getBuildInformation()

以上两种情况的输出都可以指示您的opencv是否可以访问GPU。如果无法访问GPU，则可以考虑重新安装。

Answer 2

workon opencv_cuda                                                                                                          
cd opencv                                                                                                                              
mkdir build                                                                                                                                
cd build                                                                                                                               
cmake -D CMAKE_BUILD_TYPE=RELEASE

并分享结果。应该是这样的

Answer 3

我明白了！问题出在我为每个问题创建了一个新的Net对象的情况。

以下是github上的相关问题，您可以在其中关注它：https://github.com/opencv/opencv/issues/16348

有了自定义功能，它现在可以约60 fps的速度工作。请注意，cvlib可能尚未进行实时计算。

opencv不会使用所有GPU内存

3 个答案: