关于zed使用深度学习报错`CUDNN_STATUS_EXECUTION_FAILED. `问题

2022/3/9 6:17:04

本文主要是介绍关于zed使用深度学习报错`CUDNN_STATUS_EXECUTION_FAILED. `问题,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

关于zed使用深度学习报错CUDNN_STATUS_EXECUTION_FAILED. 问题

问题由来

我们在使用zed相机的时候试图调用zed自带的api接口来取视频流,以此来实现下一步的神经网络推理,从而实现目标检测与跟踪,在代码写好后我们使用CPU对于目标检测进行推理,能够使用,但是CPU的并行计算能力不够强大我们便准备了一套的GPU加速环境。具体参数为:RTX2080super,ubuntu 18.04,cuda10.2,cudnn7.6.5由于我们的流程为:

graph TD A[zed相机初始化]-->B(相机取视频流) B-->C{是否有视频流} C-->|yes| D[执行深度学习预测] C-->|no| B D-->E[返回画框结果与重点目标坐标] E-->F(进行深度检测_测算距离) F-->G[下一流程]

需要注意的是:这里的zed相机在形成点云的时候需要使用GPU,同样我们在进行深度学习的时候同样也要使用GPU,理论上我们两种算法是不会冲突的,但是由于我们使用了加速库cudnn这一cuda库,但是这两个API同时需要调用cudnn所以这就造成了cudnn被占用的情况,就会出现上面的情况。

关于ZED的补充

由于zed的原始的视频中带有IMU的数据等信息,所以在取流的时候我们得到的视频流拥有四个通道RGBA,通常我们在进行目标检测的时候我们只需要前三个通道的信息,可以使用opencv的函数进行转换,再进一步输出。

解决方案

一般来说,出现这种报错很多是由于深度学习的框架与cudnn或者cuda又或者python的版本出现了不适配的情况,我们只需要仔细检测上述情况即可,但是在这种两个API调用同一个加速库而导致资源被占用,而导致的程序崩溃的情况,我们最好的建议是进行多线程处理,把两个调用的接口隔离在两个线程中,即可防止出现抢占资源的情况出现,如果在ROS系统中,我们同样十分建议使用ROS的通信机制来进行分开两个线程。

心灵鸡汤

那年十八,意气和风一块儿发。青春的舟随瀑布飞流下,追梦想的白马,不知觉中去长大。你未曾错过任何人,又为何必须错过那场盛夏。



这篇关于关于zed使用深度学习报错`CUDNN_STATUS_EXECUTION_FAILED. `问题的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!


扫一扫关注最新编程教程