如何 运行 MediaPipe 在 GPU 上的姿势地标检测
How to run MediaPipe's Pose Landmark Detection on a GPU
我可以在我的 Windows 10 计算机上 运行 MediaPipe 的 Pose Landmark 检测，方法是按照此处的教程：https://google.github.io/mediapipe/solutions/pose.html#python-solution-api，但我不确定如何 运行 此示例使用 GPU。
我知道 运行 在 CPU 上的速度相当快，但我想将模型与 model_complexity=2 一起使用，因为它最准确，但这使我的速度变慢CPU（大约 5 FPS）。我有 GPU，所以如果我可以 运行 在 GPU 上，它会加快很多速度。
我找到了以下这些资源。
- https://github.com/google/mediapipe/tree/master/mediapipe/modules/pose_landmark
- https://github.com/google/mediapipe/tree/master/mediapipe/modules/pose_detection
它在这些 link 中提到了 GPU，但我不确定如何使用这些模块。如果有人可以提供 link 或关于如何 运行 MediaPipe 在 GPU 上进行 Pose Landmark 检测的快速解释，我将不胜感激。
TensorFlow Lite GPU 委托主要用于移动 phone 加速。另见 https://www.tensorflow.org/lite/performance/gpu.
根据实验，可以通过 Linux 平台支持 TFLite GPU 委托中的 OpenCL 后端。但是，我们尚未在 Windows 上对其进行验证。
另见 https://github.com/tensorflow/tensorflow/issues/40325#issuecomment-642143623。
我可以在我的 Windows 10 计算机上 运行 MediaPipe 的 Pose Landmark 检测，方法是按照此处的教程：https://google.github.io/mediapipe/solutions/pose.html#python-solution-api，但我不确定如何 运行 此示例使用 GPU。
我知道 运行 在 CPU 上的速度相当快，但我想将模型与 model_complexity=2 一起使用，因为它最准确，但这使我的速度变慢CPU（大约 5 FPS）。我有 GPU，所以如果我可以 运行 在 GPU 上，它会加快很多速度。
我找到了以下这些资源。
- https://github.com/google/mediapipe/tree/master/mediapipe/modules/pose_landmark
- https://github.com/google/mediapipe/tree/master/mediapipe/modules/pose_detection
它在这些 link 中提到了 GPU，但我不确定如何使用这些模块。如果有人可以提供 link 或关于如何 运行 MediaPipe 在 GPU 上进行 Pose Landmark 检测的快速解释，我将不胜感激。
TensorFlow Lite GPU 委托主要用于移动 phone 加速。另见 https://www.tensorflow.org/lite/performance/gpu.
根据实验，可以通过 Linux 平台支持 TFLite GPU 委托中的 OpenCL 后端。但是，我们尚未在 Windows 上对其进行验证。
另见 https://github.com/tensorflow/tensorflow/issues/40325#issuecomment-642143623。