我正在创建程序来模糊人们的脸在视频中,我想使用作为人脸识别的基础,因为它有很好的结果和相当简单的使用。但问题是--处理单个图像需要大约75秒钟,这是相当长的时间。dlib库是在未启用cuda的情况下编写的。我的GPU是nvidia geforce gtx 560 ti -它有cuda支持,但不是cudnn支持,而且只要清醒,没有这两个库,就不可能用cude支持编译dlib。那么,由于我不能在本地使用GPU加速,有没有办法提高程序的速度?我对OpenMP有一些经验,但我不知道是否可以在这里使用,因为在示例中最长的部分--这一行
auto dets = net(img);
我遵循了上显示的绝对字母指令,但是在python中导入tensorflow时仍然会出现以下错误:
Traceback (most recent call last):
File "C:\Users\redacted\source\Repos\TFTest1\TFTest1\tf2-gpu\lib\site-packages\tensorflow\python\pywrap_tensorflow.py", line 58, in <module> from tensorflow.python.pywrap_tensorflow_internal import *
Fi
我使用的是一个基于pytorch的repository,其中的安装步骤指定使用此setup.py file运行python setup.py develop。我一直使用1080Ti和1080GPU运行存储库,并使用docker镜像在构建过程中克隆存储库并运行setup.py脚本。以下是从我的Dockerfile中复制的文件。 RUN git clone https://github.com/CVMI-Lab/ST3D.git
WORKDIR /ST3D
RUN nvidia-smi
RUN pip install -r requirements.txt
RUN python setup.py
团队,我有一个工作脚本,但是当我们升级GPU系统上的一些驱动程序时,它开始导致僵尸进程,并且随着脚本作为一个婴儿床作业定期运行,系统正在下降。
所以我想看看有什么方法可以在脚本运行之后进行优雅的清理--当脚本运行完成后,什么是最好的程序来清理自己?我做错什么了,还有什么更好的呢?
gpu-health-check.sh: |
#!/bin/bash
# Do nothing if nvidia-smi is found. This is not a GPU node.
if ! [ -x "$(command -v nvidia-smi)" ];