可以直接从 gpu 给 Caffe 或 Caffe2 输入数据吗？答案

【问题标题】：Can Caffe or Caffe2 be given input data directly from gpu?可以直接从 gpu 给 Caffe 或 Caffe2 输入数据吗？
【发布时间】：2018-01-14 12:59:49
【问题描述】：

我已阅读 caffe2 教程并尝试过预训练模型。我知道 caffe2 将利用 GPU 来运行模型/网络。但是输入数据似乎总是来自 CPU（即主机）内存。比如Loading Pre-Trained Models中，模型加载完成后，我们可以通过

result = p.run([img])

但是，图像“img”应该在 CPU 范围内读取。我寻找的是一个可以将图像（从视频解码并仍然驻留在 GPU 内存中）直接传输到预测模型的框架，而不是将其从 GPU 复制到 CPU 范围，然后再次传输到 GPU 进行预测结果。 Caffe 或 Caffe2 是否为 python 或 C++ 提供了这样的功能或接口？还是我需要修补 Caffe 才能这样做？非常感谢。

这是我的解决方案：

我在tensor.h 中发现，函数ShareExternalPointer() 完全可以做我想做的事。

以这种方式输入 gpu 数据，

pInputTensor->ShareExternalPointer(pGpuInput, InputSize);

然后运行预测网络

pPredictNet->Run();

其中pInputTensor 是预测网络pPredictNet 的入口张量

【问题讨论】：

标签： python c++ caffe caffe2

【解决方案1】：

我不认为你可以在 caffe 中使用 python 接口做到这一点。
但我认为可以使用 c++ 来完成：在 c++ 中，您可以访问Blob 的mutable_gpu_data()。您可以编写在设备上运行的代码并直接从 gpu “填充”输入 Blob 的 mutable_gpu_data()。进行此更新后，caffe 应该能够从那里继续其net->forward()。

更新
2017 年 9 月 19 日，PR #5904 并入 master。此 PR 通过 python 接口公开 blob 的 GPU 指针。
您可以直接从 python 访问blob._gpu_data_ptr 和blob._gpu_diff_ptr风险自负。

【讨论】：

【解决方案2】：

正如您所指出的，使用 Python 层会强制数据进出 GPU，这可能会对性能造成巨大影响。这不仅适用于 Caffe，也适用于其他框架。要详细说明 Shai 的答案，您可以查看this step-by-step tutorial on adding C++ layers to Caffe。给出的示例应该涉及处理层实现的大多数问题。披露：我是作者。

【讨论】：