Ich werde mediapipe GPU delegate Fehler auf arm linux, docker oder headless beheben

R
richter1976
R
richter1976
Richter
Einige Informationen wurden automatisch übersetzt.
fix mediapipe GPU delegate errors on arm linux, docker, or headless
Vollbild
fix mediapipe GPU delegate errors on arm linux, docker, or headless

Über diesen Service

Automatische Übersetzung

Fällt der MediaPipe GPU delegate auf deinem ARM-Gerät, Docker-Container oder headless Server aus?


Häufige Fehler, die ich behebe:

"Fehler beim Erstellen des Basis-Kontexts beim Öffnen des Kernel-Treibers"

"eglGetDisplay() gab EGL_NO_DISPLAY zurück"

"Kernel-Modul wurde möglicherweise nicht geladen"

Der GPU delegate fällt stillschweigend auf CPU zurück, ohne Fehler

MediaPipe funktioniert auf dem Desktop, stürzt aber auf Edge/Embedded ab


Ich habe MediaPipe 0.10.35 aus Bazel-Quellen mit EGL/GBM GPU delegate auf ARM Mali GPU vollständig headless (kein X11, kein Wayland, kein Xvfb) kompiliert. Damit erzielte ich eine 2,3-fache Geschwindigkeitssteigerung gegenüber CPU.


Was die meisten Verkäufer nicht wissen:

MediaPipe GPU delegate nutzt EGL, NICHT CUDA, sogar auf Jetson

EGL benötigt standardmäßig einen Display-Server, ich habe es so angepasst, dass es GBM (Generic Buffer Management) für echtes Headless nutzt

Das funktioniert auf Mali (RK3576/RK3588), VideoCore (RPi 5) und Adreno GPUs


Live-Demo (Terminal-Aufzeichnung): https://asciinema.org/a/Mv4LEGvaroBSs6oJ


Ich kümmere mich um:

ARM aarch64 Kompilierung aus Quellcode (Bazel + CMake)

Docker GPU Pass-Through für MediaPipe

Headless EGL/GBM Patch

Performance-Benchmarking (CPU vs GPU)


Plattform: Python 3.10-3.12, Linux ARM64, Docker-kompatibel


  • Modell-Expertise

    • Entwicklung von individuellen Modellen

  • Industrie

    • Audio & Video
    • Datenanalyse

  • Programmiersprache

    • C
    • C++
    • Python
    • PyTorch

  • Sprache

    • Chinesisch (Vereinfacht)
    • Englisch
    • Deutsch

  • Technische Expertise

    • Maschinelles Lernen (überwacht, unüberwacht, bestärkend)
    • Deep Learning (Neuronale Netze, GANs)
    • Computer Vision (Objekterkennung, Bilderkennung)

Lerne Richter kennen

Richter
4,8(4)
  • AusChina
  • Mitglied seitOkt. 2024
  • Letzte Lieferung1 Jahr

  • Sprachen

    Deutsch, Chinesisch, Englisch
I build computer vision systems that ship — on NVIDIA CUDA servers and ARM edge. Not demos. Production. 6 projects deployed in 12 months: YOLO detection + tracking on CUDA and NPU (17x speedup), multi-camera RTSP pipelines with FFmpeg hardware decoding, MediaPipe GPU compiled from source for ARM Mali (2.3x faster, headless), PyTorch custom model training, and rPPG contactless vital signs from video. Stack: Python, C++, PyTorch, OpenCV, CUDA, ONNX, YOLO, Docker. GPUs: RTX 4060 Ti, Hailo-8L NPU, Mali-G52. 3600+ lines in a real school. 20K+ lines in a shipping edge AI product.

Automatische Übersetzung

Mein Portfolio

Verwandte Tags