开发和部署环境Unity：2020.3.40PicoG24k一、报错信息一览（1）[EGL]Unabletoacquirecontext:EUnity:[EGL]Unabletoacquirecontext:EGL_BAD_SURFACE:AnEGLSurfaceargumentdoesnotnameavalidsurface(window,pixelbufferorpixmap)configuredforGLrendering.解决办法：多线程渲染争用，所以包这个错误，关闭多线程渲染。（2）GL_OUT_OF_MEMORYNotenoughmemorylefttoexecutecommand
开发和部署环境Unity：2020.3.40PicoG24k一、报错信息一览（1）[EGL]Unabletoacquirecontext:EUnity:[EGL]Unabletoacquirecontext:EGL_BAD_SURFACE:AnEGLSurfaceargumentdoesnotnameavalidsurface(window,pixelbufferorpixmap)configuredforGLrendering.解决办法：多线程渲染争用，所以包这个错误，关闭多线程渲染。（2）GL_OUT_OF_MEMORYNotenoughmemorylefttoexecutecommand
【编码推流】使用FFmpeg调用GPU编码推rtmp流1、背景2、FFmpeg调用GPU编码推流3、说明1、背景CPU编码推流的博客可以参考：【编码推流】使用FFmpeg调用CPU编码推rtmp流https://jn10010537.blog.csdn.net/article/details/123538783本博客介绍使用GPU编码推流，即使用英伟达显卡进行编码推rtmp流。注意：你需要编译ffmpeg以支持英伟达的显卡。2、FFmpeg调用GPU编码推流下面是演示使用ffmpeg调用gpu进行编码并推流到流媒体服务器上。注意：你需要编译ffmpeg以支持英伟达的显卡。#coding=utf
【编码推流】使用FFmpeg调用GPU编码推rtmp流1、背景2、FFmpeg调用GPU编码推流3、说明1、背景CPU编码推流的博客可以参考：【编码推流】使用FFmpeg调用CPU编码推rtmp流https://jn10010537.blog.csdn.net/article/details/123538783本博客介绍使用GPU编码推流，即使用英伟达显卡进行编码推rtmp流。注意：你需要编译ffmpeg以支持英伟达的显卡。2、FFmpeg调用GPU编码推流下面是演示使用ffmpeg调用gpu进行编码并推流到流媒体服务器上。注意：你需要编译ffmpeg以支持英伟达的显卡。#coding=utf
如何使用云端GPU训练yolov5（colab）一、获取yolov5文件从githup上直接在下载，（科学上网）链接：link二、上传文件到colab直接google搜索colab，用New–>More–>GoogleColaboratory,新建一个note文件创建完之后，可以自己取个名字，这里取名为yolov5.ipynb，然后点击左侧文件图标，等待一会，点击upload图标，找到yolov5的下载路径（因为是单个文件，所以必须把文件变成压缩包的形式），然后进行上传，上传完成后，点击刷新按钮，就可以看到上传的文件。上传好后如图所示三、训练1、设置GPU资源将自己的环境换成具有GPU的配置，
如何使用云端GPU训练yolov5（colab）一、获取yolov5文件从githup上直接在下载，（科学上网）链接：link二、上传文件到colab直接google搜索colab，用New–>More–>GoogleColaboratory,新建一个note文件创建完之后，可以自己取个名字，这里取名为yolov5.ipynb，然后点击左侧文件图标，等待一会，点击upload图标，找到yolov5的下载路径（因为是单个文件，所以必须把文件变成压缩包的形式），然后进行上传，上传完成后，点击刷新按钮，就可以看到上传的文件。上传好后如图所示三、训练1、设置GPU资源将自己的环境换成具有GPU的配置，
背景：最近用mmdet的时候发现一个问题，在pipeline里进行一些随机操作（例如随机裁剪）的时候，设定一个随机种子randomseed，理论上每次随机操作的结果都不同，但是实际上发现会有2张图的操作结果是一样的。本来以为是batch_size的问题，就去修改了sampers_per_gpu。结果发现实际上是workers_per_gpu的问题。因此就来好好研究下这俩个参数的作用和意义。实际上科班的应该对进程比较熟悉，但是也考虑到有很多像我一样非科班的小白，可能对进程workers不是很理解，故此记录下，也欢迎大佬交流指正这俩个参数具体出现在configs文件里 sampers_per_gp
背景：最近用mmdet的时候发现一个问题，在pipeline里进行一些随机操作（例如随机裁剪）的时候，设定一个随机种子randomseed，理论上每次随机操作的结果都不同，但是实际上发现会有2张图的操作结果是一样的。本来以为是batch_size的问题，就去修改了sampers_per_gpu。结果发现实际上是workers_per_gpu的问题。因此就来好好研究下这俩个参数的作用和意义。实际上科班的应该对进程比较熟悉，但是也考虑到有很多像我一样非科班的小白，可能对进程workers不是很理解，故此记录下，也欢迎大佬交流指正这俩个参数具体出现在configs文件里 sampers_per_gp
前言第一次遇到这个问题时，是运行这个命令，报如下错误，运行：sudodockerrun--rm--gpus=allnvidia/cuda:10.0-base报错：docker:Errorresponsefromdaemon:couldnotselectdevicedriver""withcapabilities:[[gpu]].然后我参考这篇文章docker:Errorresponsefromdaemon:couldnotselectdevicedriver““withcapabilities:[[gpu]]问题解决_"docker:errorresponsefromdaemon:couldn
前言第一次遇到这个问题时，是运行这个命令，报如下错误，运行：sudodockerrun--rm--gpus=allnvidia/cuda:10.0-base报错：docker:Errorresponsefromdaemon:couldnotselectdevicedriver""withcapabilities:[[gpu]].然后我参考这篇文章docker:Errorresponsefromdaemon:couldnotselectdevicedriver““withcapabilities:[[gpu]]问题解决_"docker:errorresponsefromdaemon:couldn
