问题标签 [npp]

我试图找到最大值的一些代码：

所有函数都返回 0（无错误）。但未计算输出值 max_。我尝试了一些其他需要暂存缓冲区并获得相同结果的统计函数。我使用 CUDA 6.5 和我的代码，例如 NPP 文档中关于使用带有暂存缓冲区的函数的示例有人有什么想法吗？

该nppiGraphcut_32s8u函数适用于 32 位有符号整数边缘容量。在 CUDA 6.5 工具包中包含的 grabCut 示例中，它们只是Npp32f转换为Npp32s. 例如，从GrabcutUtil.cugrabcutNPP 示例文件夹中：

哪里edge_weight返回一个Npp32f。他们是否按比例放大了他们的数字，以便边缘容量是大值，从而避免四舍五入误差？

我正在尝试运行基于 opencv 的简单 rgb 到灰度脚本并通过 cuda 运行它。执行计算的 C++ 脚本的标头链接以下 api opencv：

我正在尝试使用以下makefile逻辑对其进行编译：

我尝试了许多其他解决方案，例如 Compiling a basic opencv cuda 和Linking Cuda in C++ issue概述的解决方案。

当前错误：

我对此很陌生，因此不确定在哪里寻找解决此错误的方法。

lnppi编辑： 1. 在添加 LIB 路径后，我在注释之后将选项添加到主目录（请参阅更新的 makefile 部分）

现在错误：

2. 通过添加到 zlib 的链接lz

我正在编写快速的 JPEG 读取代码，我将把它用作一个更大项目的一部分。我决定将 CUDA 和 NPP 一起用于该任务，因为 NPP 已经实现了所有编码和解码功能。一切正常，直到我尝试使用nppiDCTQuantInv8x8LS_JPEG_16s8u_C1R_NEW函数运行逆 DCT。这似乎破坏了代码的完整性。运行 DCT 后，报告了几个 cudaFree 调用cudaErrorLaunchFailure。使用 NSIGHT CUDA 调试器后，我可以看到启动 IDCT 函数报告CUDA Grid launch failed错误。可能的原因是什么？如果我不使用 NSIGHT CUDA 调试器 IDCT 函数以NPP_NO_ERROR，但仍会损坏设备指针。我附上了我认为相关的代码片段，但我可以根据要求提供更多。我有一种感觉，我可能在某些时候对指针感到困惑。不过，我已经花费了大量时间在 vs 调试器中检查和调试主机端内存。

实际IDCT部分：

释放霍夫曼表时报告错误：

销毁 CJPEGDeviceData 时报告的错误：

dct 计算的实际调用及其周围环境：

CJPEGDeviceData 类：

谁能帮助我了解发生了什么以及我做错了什么？即使我启动有问题的 IDCT 部分，cuda-memcheck 也不会报告任何错误，我只能在 VS 调试器中检测到错误。我相信读取文件本身可以正常工作，我已经对其进行了许多测试，因此初始数据应该没问题。问题始于设备数据。我还可以补充一点，在打开 IDCT 的情况下启动 CUDA 分析器会使应用程序崩溃并引发非零退出代码错误。否则它运行良好。

我正在尝试使用 Nvidia 的 npp 库将 3 通道打包 rgb 的帧转换为 nv12。这是我到目前为止的代码：

它主要基于这个堆栈溢出问题，但我对其进行了调整以适合我的情况。作为旁注，frameToWrite.getSize()计算如下：

getBytesPerPixel()通常返回的地方3。

最终我的问题是：

• 我应该如何从设备内存中检索转换后的图像数据？
• 我是否以正确的方式将未转换的图像数据传递给设备？

有没有办法从NVIDIA 性能基元库 (NPP)调用python？

随 Linux 4 Tegra 提供的用于 Tegra 设备的 OpenCv 是否在下面使用 NPP 和 OpenVX？还是我必须自己进行此类优化？

任何对指向证明的链接的引用将不胜感激。

我正在尝试使用 NVIDIA NPP 来试验一些图像大小调整例程。我想调整到精确的尺寸。我一直在研究使用 NVIDIA NPP 调整图像大小，但它的所有调整大小函数都采用 X 和 Y 尺寸的比例因子，我看不到任何 API 采用直接目标尺寸。

例如，这是一个 API：

我意识到一种方法可能是找到目标维度的适当比例因子，但我们并不完全知道 API 如何根据比例因子决定目标 ROI（因为它是浮点数学）。我们可以反转 jpegNPP 样本中的计算来找到比例因子，但 API 本身并没有做出任何保证，所以我不确定它有多安全。任何想法有什么可能性？

作为一个附带问题，API 还接受两个参数，nXShift 和 nYShift，但只是说“x 方向的源像素偏移”。我不太清楚这里谈论的是什么转变。你有想法吗？

最终更新：已解决。WDDM 超时也是一个问题。从以下位置找到解决方案：WDDM timeout fix。谢谢罗伯特。

更新：感谢罗伯特指出过滤器的中心不是 0,0。不幸的是，如果过滤器增加，您发布的代码将对我造成破坏，例如 17x17。这可能是由于您没有考虑图像“侧面”的边框。无论如何，这是最新的代码，但仍然表现出与以前相同的问题......

我正在尝试为 29mp 图像计算中值滤波器。过滤器尺寸为 13x13。图像的宽度和高度如下所示。由于未知原因，以下代码会崩溃，我想问是否有人知道为什么？

我注意到的奇怪的事情：

1. nppiFilterMedian_16u_C1R() 发生错误。该函数本身返回无错误条件，但以下 cudaMemcpy() 会。没有过滤器， cudaMemcpy() 工作得很好。

2. 此外，获取 16 位过滤器的缓冲区大小始终返回大小为 0。我测试了 8 位和 32 位，它们返回非零值...

3. 我认为这可能是 NPPI 库的一个错误（？）。它似乎与尺寸有关（如果您使用减小图像的宽度/高度，它将适用于 13x13 过滤器尺寸）。但是，我的过滤器尺寸需要达到 31x31。

其他重要信息：Windows x64 应用程序、CUDA 运行时 7.5、NPP 版本 7.5。GPU 设备是 Quadro k2200（4GB 全局内存）。

我正在使用 Cuda 7.5 和 GeForce GTX 650 Ti 进行图像处理项目。我决定使用 2 个流，一个应用负责增强图像的算法，另一个应用独立于其余处理的算法。

我写了一个例子来说明我的问题。在此示例中，我创建了一个流，然后使用了 nppSetStream。

我调用了函数 nppiThreshold_LTValGTVal_32f_C1R 但在执行该函数时使用了 2 个流。

这里有一个代码示例：

这是我从 Nvidia Visual Profiler 得到的：image_width1344

如果我只设置一个流，为什么会有两个流？这会导致我的原始项目出现错误，所以我正在考虑切换到单个流。

我注意到这种行为取决于图像的大小，如果 srcWidth 和 srcHeight 设置为 1500，结果是：image_width1500。

为什么改变图像的大小会产生另一个流？