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。

标签：STATUS,zed,--,视频流,cudnn,报错,使用,我们
来源： https://www.cnblogs.com/oziasly/p/15983317.html