tensorflow - 将渲染图像从 OpenGL 直接解析到 tensorflow 进行训练/分析
问题描述
是否可以将图像从 OpenGL 直接解析到 tensorflow,而无需将它们从 GPU(帧缓冲区或任何其他 OpenGL 缓冲区)传输到 CPU 并再次返回到 tensorflow(GPU)?我们想通过生成/渲染的数据来训练网络,并得到神经网络做出的决定。这个决定改变了下一个渲染图像的位置/方向,这又是网络的输入。该循环应首先用于训练 tensorflow 网络,然后用于控制车辆。
我们如何才能尽可能快地实现传输到 tensorflow?共享 GPU 内存?或者将 OpenGL 与 OpenCL 和 OpenCL 与 CUDA 和 CUDA 与 tensorflow 结合起来?
解决方案
推荐阅读
- rx-java - 通过 flatMap 嵌套的 observables 输出重复项
- hyperledger-fabric - 将组织添加到现有渠道时出现 Hyperledger-Fabric 错误
- javascript - 带有 jquery 选择器的 Css 无法按预期工作
- python - Django Password_reset 电子邮件设置
- npm - 我可以在我的 Grunt 项目中使用 npm 模块吗?
- c++ - 使用 getline 时未处理的异常
- ruby-on-rails - 保存前回调:SystemStackError:堆栈级别太深
- c++ - 插入到双链表中的特定位置
- c# - 是否可以使用 foreach 在 IEnumerable 中创建新对象?
- python - 根据 Python 中的时间间隔自动填充一列