我的目标是实时运行TensorFlow模型,从学习的模型中控制车辆。我们的车辆系统使用ROS (机器人操作系统),它与OpenCV紧密相连。因此,我收到了一个包含ROS感兴趣的图像的OpenCV Mat。
cv::Mat cameraImg;我想直接从这个OpenCV矩阵中的数据创建一个Tensorflow张量,以避免复制矩阵逐行的开销。使用这个问题的答案,我设法让网络向前通过,使用以下代码:
cameraImg.convertTo(cameraImg, CV_32FC3);
Tensor inputImg(DT_FLOAT, TensorShape({1,inputheight,inputwidth,3}));
auto inputImageMapped = inputImg.tensor<float, 4>();
auto start = std::chrono::system_clock::now();
//Copy all the data over
for (int y = 0; y < inputheight; ++y) {
const float* source_row = ((float*)cameraImg.data) + (y * inputwidth * 3);
for (int x = 0; x < inputwidth; ++x) {
const float* source_pixel = source_row + (x * 3);
inputImageMapped(0, y, x, 0) = source_pixel[2];
inputImageMapped(0, y, x, 1) = source_pixel[1];
inputImageMapped(0, y, x, 2) = source_pixel[0];
}
}
auto end = std::chrono::system_clock::now();然而,使用这种方法,张量的拷贝在80到130 to之间,而整个向前通过(对于一个10层的卷积网络)只需要25 to。
在tensorflow文档中,似乎有一个接受分配器的张量构造函数。然而,我没有找到任何与此功能或特征映射类相关的Tensorflow或特征文档,因为它与张量有关。
有谁对如何加快这段代码有任何洞察力,最好是通过重用我的OpenCV内存?
编辑:我已经成功地实现了@mrry建议的内容,并且可以重用OpenCV分配的内存。我打开了github第8033期,请求将其添加到tensorflow源代码树中。我的方法没那么漂亮,但很管用。
编译外部库并将其链接到libtensorflow.so库仍然非常困难。tensorflow cmake库可能会在这方面有所帮助,我还没有试过。
发布于 2016-09-07 23:16:26
TensorFlow can (相对于C++ API)导出TF_NewTensor()函数,它允许您从指针和长度创建张量,并且可以将结果对象传递给TF_Run()函数。
目前,这是在预分配缓冲区中创建TensorFlow张量的唯一公共API。没有支持将TF_Tensor*转换为tensorflow::Tensor的方法,但是如果您查看实现,就会发现有一个具有friend访问权限的私有API可以做到这一点。如果您对此进行了实验,并且可以显示明显的加速比,我们将考虑使用特征请求将其添加到公共API中。
发布于 2017-09-25 22:28:44
我知道这是一个旧线程,但是使用现有的C++ API,您的问题有一个零拷贝解决方案:我用我的解决方案更新了您的github问题。tensorflow/issues/8033
为了记录在案,我在这里复制我的解决方案:
// allocate a Tensor
Tensor inputImg(DT_FLOAT, TensorShape({1,inputHeight,inputWidth,3}));
// get pointer to memory for that Tensor
float *p = inputImg.flat<float>().data();
// create a "fake" cv::Mat from it
cv::Mat cameraImg(inputHeight, inputWidth, CV_32FC3, p);
// use it here as a destination
cv::Mat imagePixels = ...; // get data from your video pipeline
imagePixels.convertTo(cameraImg, CV_32FC3);希望这能有所帮助
https://stackoverflow.com/questions/39379747
复制相似问题