如何使用 gpu 运行 dlib 人脸识别

Posted 2023-03-16

【中文标题】如何使用 gpu 运行 dlib 人脸识别

【英文标题】：how to run dlib face recognition with gpu

【发布时间】：2020-06-12 11:27:44

【问题描述】：

我已经安装了 Visual Studio 2019，以及 Cuda 10.1 和 TensorFlow 2.1.0，但我仍然无法使用 GPU 运行人脸识别，有人可以给我一份关于使用 GPU 代替 CPU 步骤的完整指南。

注意：我使用的是 Windows 10，我的 GPU 是 gtx1050，我使用的是 anaconda spider。

【参考方案1】：

首先，你应该安装 tensorflow-gpu 包而不是 tensorflow。

如果您的 tf 安装正确，您可以在 deepface 中的 gpu 中运行人脸识别。您可以使用分配内存功能对其进行测试。

#!pip install deepface
from deepface import DeepFace
DeepFace.allocateMemory()

如果一切正常，则返回“DeepFace 将在 GPU 上运行”消息。

除 Dlib 之外的所有人脸识别模型都将在 tensorflow-gpu 上运行。您可以运行带有验证功能的人脸识别。

from deepface import DeepFace
models = ["VGG-Face", "Facenet", "OpenFace", "DeepFace", "DeepID", "Dlib"]
obj = DeepFace.verify("img1.jpg", "img2.jpg", model_name = models[0])
print(obj)

【参考方案2】：

我使用 anaconda 环境通过这些步骤解决了这个问题：

已安装 cuda 10.2

python (3.7.7)

conda 安装 pip

conda 安装 tensorflow（最新 2.1.0）

conda 安装 tensorflow-gpu

pip 安装 imutils

pip install opencv-python

pip install opencv-contrib-python

pip 安装 dlib

pip install face_recognition

【参考方案3】：

正如 Adrian Rosebrock 在 https://www.pyimagesearch.com/2018/06/18/face-recognition-with-opencv-python-and-deep-learning/ 中提到的，最好从源代码构建 Dlib，这样库就可以知道系统中存在确切的 GPU。我的猜测是 - 在构建过程中，它会通过 CUDA 驱动程序探测 GPU 的功能并相应地构建和安装。

git克隆https://github.com/davisking/dlib.git cd dlib mkdir 构建 光盘构建 cmake .. -DDLIB_USE_CUDA=1 -DUSE_AVX_INSTRUCTIONS=1 cmake --build . 光盘.. python setup.py install --yes USE_AVX_INSTRUCTIONS --yes DLIB_USE_CUDA