问题标签 [nvidia-deepstream]

上周我在 jetson nano 上设置 DeepstreamSdk IoTedge 模块时遇到了问题，我无法通过它。我已经安装了 IoTedge 运行时和运行 IoT Edge 的所有必需品。它运行完美，包括模拟温度传感器等其他模块。但是，当我在运行 Jetpack 4.3 的 Jetson nano 上部署 DeepstreamSdk v-4.02 时，它会启动并运行几分钟，然后意外失败，然后在一段时间后再次启动，然后再次失败。然后有时我重新启动 IoTedge，它会再次启动然后失败。当我在 VS 代码中使用开发人员扩展 IoTedge 来查看发送到云端的消息是什么时，我可以看到温度传感器模块的消息，但没有来自 NvidiaDeepstream 模块的消息。

我查看了 NvidiaDeepstream 容器的日志，它显示它正在打印结果（向云发送消息），但最终发送了一个错误代码 1。最后 INT8 的某种消息不是支持，试试INT16。所有 Azure 检查以及连接和配置都是正确的。只是 deepstreamdk 模块运行不正常。

有没有人有什么建议？我应该提供什么信息才能使这更清晰易懂？我正在关注 NVIDIA Jetson Nano 上 NVIDIA Deepstream + Azure IoT Edge 的 Github 存储库上的教程：链接到 turorial

链接到容器的日志

我试图在 ubuntu 18.4 (nv-tensorrt-repo-ubuntu1804-cuda10.2-trt7.0.0.11-ga-20191216_1-1_amd64.deb) debian 中安装 tensorRT 7.0。

遵循文档https://docs.nvidia.com/deeplearning/tensorrt/install-guide/index.html#installing-debian。

libnvinfer7 出现以下错误。在这个星球上寻找这个，找不到，失去了我的时间和睡眠。请帮我解决这个问题：

好吧，试过“sudo apt-get install python3-libnvinfer-dev”

我在 kubernetes 集群中的一个 GPU 工作节点上运行了一个 Nvidia deepstream 容器，它被部署为一个作业，下面是我的 YAML 文件，

在我部署此作业后，它运行良好，但其输出运行在 on-perm 开源 kubernetes 集群的一个工作节点上，但我想流式传输作为视频的运行输出。

这是我使用基础 Nvidia deepstream 容器构建的 Dockerfile，

任何人都可以对此提供任何建议/解决方案吗？

尝试按照文档（https://docs.nvidia.com/metropolis/deepstream/dev-guide/index.html ）在 ubuntu 18.04 上运行 nvidia 的 deepstream5.0 sdk（示例程序）。

该应用程序安装在路径：“/opt/nvidia/deepstream/deepstream-5.0/”中。

执行命令是"deepstream-app -c <config file>"

例子：

但是，得到了运行时错误。错误报告如下。

输出画面：

我的 nvidia 驱动和 cuda 版本如下所示：

任何帮助表示赞赏。

大家好，我的问题与 Nvidia Deepstream-5.0 SDK 有关，

我正在尝试运行一个样本测试deepstream-nvdsanalytics-test，它位于 NVIDIA Deepstream 容器的“/source/apps/sample_apps”中。我想使用Filesink保存视频文件。我得到了研究“/source/apps/apps-common/src/deepstream_sink_bin.c”中的create_encode_file_bin函数的建议。

我尝试以 create_encode_file_bin 作为参考更改代码deepstream_nvdsanalytics_test.cpp ，但出现了一些错误。我正在发布我的管道、编辑的代码和错误，请看一下。

使用的管道-

pgie->nvtracker->nvdsanalytics->tiler->nvvidconv->nvosd->nvideoconvvert->caps filter(x/raw)->encoder->codecparse->mux->filesink

错误-

（deepstream-nvdsanalytics-test：203）：GStreamer-WARNING **：16：08：13.115：名称'nvvideo-converter'在bin'nvdsanalytics-test-pipeline'中不是唯一的，不添加

(deepstream-nvdsanalytics-test:203): GStreamer-CRITICAL **: 16:08:13.116: gst_element_link_pads_full: assertion 'GST_IS_ELEMENT (dest)' failed 无法链接元素。退出。

代码-

如果我需要任何其他信息，请告诉我。先感谢您。

我正在尝试使用 AWS Kinesis 生成的 HLS 提要作为 DeepStream 管道的输入，但出现以下错误：

我已经使用 python 绑定构建了管道，并且正在使用 uridecodebin 来解析输入 URI。我的 GStreamer 管道序列如下：

此外，我还能够使用简单的 OpenCV python 脚本来捕获帧。以下是我的硬件配置和软件版本：

• 硬件平台 (GPU) = NVIDIA T4
• DeepStream 版本= 5.0
• TensorRT 版本=7.0.0
• NVIDIA GPU 驱动程序版本（仅对 GPU 有效）=440.64.00

我应该怎么做才能让它工作？

使用 nvidia deep stream - 推理引擎，无法获得分类器类。它总是显示索引 0。任何帮助表示赞赏。

样本输出为

分类器类始终显示为 0

系统：我有一个安装了NVIDIA Tesla T4 Tensor Core GPU的 Windows Server 2019 操作系统。

目标：计划从 IP 摄像机读取实时流视频并逐帧进一步处理。目标是利用 NVIDIA DeepStream SDK，但问题是它不适用于 Windows 操作系统。所以，我正在考虑 docker 行，但由于我对 docker 容器非常陌生，想知道我是否可以在 Windows 上安装 docker 并可以在其上运行这个deepstream docker 映像。

如果没有，有什么方法可以在 Windows 上运行这个基于 Linux 的 DeepStream docker 映像？任何帮助将不胜感激。

我想通过 OpenCv 打开一个视频流并在 DeepStream 管道中逐帧推送，以使用 tesornRT 对 Yolov3 模型进行推断，但我不知道如何使其工作。

我正在尝试遵循我在这里找到的指令，但仍然没有...

这是我的代码：

我绝对是初学者，如果有人可以显示一些代码会更好。

谢谢。

在此链接中，我们可以访问 gstreamer 管道缓冲区并转换 numpy 数组中的帧缓冲区，我想知道，我如何访问 GPU 内存中的帧缓冲区，然后输入我的自定义处理器而不将帧转换为 numpy 数组。

我们有两种使用 deepstream 解码器的解决方案（比 opencv+gstreamer 更有效的方式）：一种是我们需要编写处理的自定义元素并在 gstreamer 中注册，然后将自定义元素放入管道中，然后对帧缓冲区进行处理. 这种方式很好但需要编写和了解gstreamer编程。这种方式与深流相同。第二种方法是我们只使用来自该链接的帧解码，然后将帧传递到自定义处理器单元。对于这一部分，我有两个问题：

1- gstreamer 的循环与异步编程循环相同吗？

2-如您所知，如果我们在 pad prob 函数中添加额外的操作，这会导致性能下降，但我想知道，是否可以将帧放在 pad prob 函数中并执行loop.create_task(process(frame))像异步？这导致我们在这里不等待执行处理。像这样：