OpenGL ES Desteği
MediaPipe, Android/Linux'ta sürüm 3.2'ye ve iOS'ta ES 3.0'a kadar OpenGL ES'yi destekler. Ayrıca MediaPipe, iOS'te Metal'i de destekler.
Makine öğrenimi çıkarım hesaplayıcılarını ve grafiklerini çalıştırmak için OpenGL ES 3.1 veya sonraki sürümleri gerekir (Android/Linux sistemlerinde).
OpenGL ES Desteğini Devre Dışı Bırak
Varsayılan olarak, MediaPipe (özel bazel işareti olmadan) derlemek ve OpenGL ES (ve iOS için Metal) kitaplıklarını derlemeye çalışır.
OpenGL ES'nin kullanılamadığı platformlarda (Linux Masaüstünde OpenGL ES Kurulumu bölümüne de bakın) OpenGL ES desteğini aşağıdakilerle devre dışı bırakmanız gerekir:
$ bazel build --define MEDIAPIPE_DISABLE_GPU=1 <my-target>
Linux Masaüstünde OpenGL ES Kurulumu
OpenGL ES 3.1 ve sonraki sürümlerini destekleyen video kartlarına sahip Linux masaüstünde MediaPipe, GPU hesaplama ve oluşturma işlemlerini çalıştırabilir, GPU üzerinde TFLite çıkarımı gerçekleştirebilir.
Linux masaüstü GPU'nuzun OpenGL ES ile MediaPipe'i çalıştırıp çalıştıramayacağını kontrol etmek için:
$ sudo apt-get install mesa-common-dev libegl1-mesa-dev libgles2-mesa-dev
$ sudo apt-get install mesa-utils
$ glxinfo | grep -i opengl
Örneğin, aşağıdaki metin yazdırılabilir:
$ glxinfo | grep -i opengl
...
OpenGL ES profile version string: OpenGL ES 3.2 NVIDIA 430.50
OpenGL ES profile shading language version string: OpenGL ES GLSL ES 3.20
OpenGL ES profile extensions:
Bilgisayarınıza SSH üzerinden bağlandıysanız ve GPU bilgilerini yokladığınızda şu çıkışı görürsünüz:
glxinfo | grep -i opengl
Error: unable to open display
-X
seçeneğini kullanarak SSH bağlantınızı yeniden oluşturup tekrar deneyin. Örneğin:
ssh -X <user>@<host>
Yukarıdaki ES 3.20 metnine dikkat edin.
MediaPipe'teki GPU'da TFLite çıkarımı yapmak için ES 3.1 veya sonraki bir sürümün basılı olduğunu görmeniz gerekir. Bu kurulumla, şununla derleyin:
$ bazel build --copt -DMESA_EGL_NO_X11_HEADERS --copt -DEGL_NO_X11 <my-target>
Yalnızca ES 3.0 veya önceki sürümleri destekleniyorsa GPU'da TFLite çıkarımı gerektirmeyen MediaPipe hedefleri oluşturmaya devam edebilirsiniz:
$ bazel build --copt -DMESA_EGL_NO_X11_HEADERS --copt -DEGL_NO_X11 --copt -DMEDIAPIPE_DISABLE_GL_COMPUTE <my-target>
Linux Masaüstünde TensorFlow CUDA Desteği ve Kurulumu
MediaPipe çerçevesi, GPU işlemi ve oluşturma için CUDA gerektirmez. Bununla birlikte MediaPipe, CUDA'yı destekleyen video kartlarında GPU çıkarımı gerçekleştirmek için TensorFlow ile çalışabilir.
MediaPipe ile TensorFlow GPU çıkarımını etkinleştirmek için ilk adım, TensorFlow GPU belgelerini izleyerek Linux masaüstünüze gerekli NVIDIA yazılımını yüklemektir.
Yüklemeden sonra $PATH
ve $LD_LIBRARY_PATH
uygulamalarını güncelleyin ve ldconfig
aracını şununla çalıştırın:
$ export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}
$ export LD_LIBRARY_PATH=/usr/local/cuda/extras/CUPTI/lib64,/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
$ sudo ldconfig
CUPTI, CUDA, CuDNN ve NVCC'nin yüklendiğini doğrulamanız önerilir:
$ ls /usr/local/cuda/extras/CUPTI
/lib64
libcupti.so libcupti.so.10.1.208 libnvperf_host.so libnvperf_target.so
libcupti.so.10.1 libcupti_static.a libnvperf_host_static.a
$ ls /usr/local/cuda-10.1
LICENSE bin extras lib64 libnvvp nvml samples src tools
README doc include libnsight nsightee_plugins nvvm share targets version.txt
$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Sun_Jul_28_19:07:16_PDT_2019
Cuda compilation tools, release 10.1, V10.1.243
$ ls /usr/lib/x86_64-linux-gnu/ | grep libcudnn.so
libcudnn.so
libcudnn.so.7
libcudnn.so.7.6.4
$TF_CUDA_PATHS
ayarlamak, CUDA kitaplığının nerede olduğunu bildirmenin yoludur. Aşağıdaki kod snippet'inin, cudablas ve libcudnn için $TF_CUDA_PATHS
öğesine /usr/lib/x86_64-linux-gnu
ve /usr/include
öğelerini de eklediğini unutmayın.
$ export TF_CUDA_PATHS=/usr/local/cuda-10.1,/usr/lib/x86_64-linux-gnu,/usr/include
MediaPipe'in TensorFlow'un CUDA ayarlarını almasını sağlamak için TensorFlow'un .bazelrc dosyasını bulun ve build:using_cuda
ile build:cuda
bölümlerini MediaPipe'in .bazelrc dosyasına kopyalayın. Örneğin, 23 Nisan 2020 itibarıyla TensorFlow'un CUDA ayarı aşağıdaki gibidir:
# This config refers to building with CUDA available. It does not necessarily
# mean that we build CUDA op kernels.
build:using_cuda --define=using_cuda=true
build:using_cuda --action_env TF_NEED_CUDA=1
build:using_cuda --crosstool_top=@local_config_cuda//crosstool:toolchain
# This config refers to building CUDA op kernels with nvcc.
build:cuda --config=using_cuda
build:cuda --define=using_cuda_nvcc=true
Son olarak, MediaPipe'i iki farklı işarete sahip TensorFlow GPU ile derleyin --config=cuda
ve --spawn_strategy=local
. Örneğin:
$ bazel build -c opt --config=cuda --spawn_strategy=local \
--define no_aws_support=true --copt -DMESA_EGL_NO_X11_HEADERS \
mediapipe/examples/desktop/object_detection:object_detection_tensorflow
İkili program çalışırken GPU cihaz bilgilerini yazdırır:
I external/org_tensorflow/tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library libcuda.so.1
I external/org_tensorflow/tensorflow/core/common_runtime/gpu/gpu_device.cc:1544] Found device 0 with properties: pciBusID: 0000:00:04.0 name: Tesla T4 computeCapability: 7.5 coreClock: 1.59GHz coreCount: 40 deviceMemorySize: 14.75GiB deviceMemoryBandwidth: 298.08GiB/s
I external/org_tensorflow/tensorflow/core/common_runtime/gpu/gpu_device.cc:1686] Adding visible gpu devices: 0
GPU'nun model çıkarımı için kullanılıp kullanılmadığını doğrulamak amacıyla GPU kullanımını izleyebilirsiniz.
$ nvidia-smi --query-gpu=utilization.gpu --format=csv --loop=1
0 %
0 %
4 %
5 %
83 %
21 %
22 %
27 %
29 %
100 %
0 %
0%