一、簡介

出于性能考慮，通常 CPU 無法滿足耗時的要求，網(wǎng)絡需要執(zhí)行在 GPU 上增強性能，而數(shù)據(jù)的處理通常使用 OpenCL 也會比 CPU 快很多。

所以我們要是可以直接將 OpenCL 處理后的內(nèi)存給 OpenVINO 執(zhí)行，就可以避免將 OpenCL 內(nèi)存拷貝到 CPU 上，再從 CPU 拷貝到 OpenVINO 中。

其實 OpenVINO 已經(jīng)支持直接使用 OpenCL 的內(nèi)存，只要他們公用一個 Context 即可。

二、使用

1.官方資料

本文是基于 OpenVINO 2021 的 SDK 寫的，參考的官方文檔鏈接為：https://docs.openvino.ai/2021.4/openvino_docs_IE_DG_supported_plugins_GPU_RemoteBlob_API.html

另外 OpenVINO 2022 的接口有所變動，可以參考這篇文檔：https://docs.openvino.ai/latest/openvino_docs_OV_UG_supported_plugins_GPU_RemoteTensor_API.html

2.使用外部cl_context

#include <inference_engine.hpp> #include <gpu/gpu_context_api_ocl.hpp> #include <opencv2/core/ocl.hpp> #include <opencv2/core/opencl/runtime/opencl_core.hpp>using namespace InferenceEngine;// 1.創(chuàng)建 Core ie; auto net = ie.ReadNetwork("network.xml"); // 舉例使用 OpenCV 提供的 cl_context，用者替換為自己的 cl_context cl_context ctx = static_cast<cl_context>(cv::ocl::Context::getDefault().ptr()); auto remote_context = gpu::make_shared_context(mCore, "GPU", ctx); ExecutableNetwork network = ie.LoadNetwork(net, remote_context); InferRequest request = network.CreateInferRequest();// 2.設置數(shù)據(jù) InputsDataMap& inputs = network.getInputsInfo(); for (auto& input : inputs) {auto& input_name = input.first;InputInfo::Ptr& input_info = input.second;// 這里是 cv::UMat uMat，用者替換為自己的 cl_memcl_mem shared_buffer = static_cast<cl_mem>(umat_in.u->handle);auto shared_blob = gpu::make_shared_blob(input_info->getTensorDesc(), network.GetContext(), shared_buffer);request.SetBlob(input_name, shared_blob); } for (auto& output : outputs) {auto& output_name = output.first; //output也是一個鍵值對類型DataPtr& output_info = output.second;// 這里是 cv::UMat uMat，用者替換為自己的 cl_memcl_mem shared_buffer = static_cast<cl_mem>(umat_out.u->handle);auto shared_blob = gpu::make_shared_blob(output_info->getTensorDesc(), network.GetContext(), shared_buffer);request.SetBlob(output_name, shared_blob); }// 3.執(zhí)行 request.Infer();// 4.獲取輸出，輸出數(shù)據(jù)已經(jīng)直接輸出到 umat_out 中了。

總結

以上是生活随笔為你收集整理的OpenVINO使用OpenCL内存执行，避免拷贝的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。