最近用OpenCV进行视频行人检测，发现用HOG+SVM处理每一帧太慢了，想到深度学习pytorch中
model.cuda()
```就可以用GPU加速，就想知道windows下OpenCV-python如何用GPU加速，具体怎么用，如果有知道的请帮帮我，感谢大家！
windows下OpenCV-python如何用GPU加速，求解答，谢谢了！
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
分享- 邀请回答
-
1条回答 默认 最新
- 2022-02-18 21:58回答 2 已采纳 可以，互不影响OpenCV-python 只是 python 的一个第三方包，不能脱离python 环境和python 程序来使用的。
- 2022-11-06 21:48回答 7 已采纳 你确定你运行的环境是这个（图里的红框）吗？
- 2022-04-08 17:32
cv2.error: OpenCV(3.4.2) c:\projects\opencv-python\opencv\modules\imgproc\src\color.hpp:253
python
人工智能
深度学习
回答 2 已采纳 在使用cvtColor(image, cv2.COLOR_RGB2GRAY)转换的时候，传入的图像应该是 高度宽度通道数*batch我之前传入的是[batch，通道数，宽度，高度]先用permute把 - 2018-11-02 14:03hornsey2012的博客 500篇干货解读人工智能新时代 本文主要目的是为了分享一些机器学习以及深度学习的资料供大家参考学习，整理了大约500份国内外优秀的材料文章，打破一些学习人工智能领域没头绪同学的学习禁锢，希望看到文章的朋友...
- 2022-03-17 16:09回答 1 已采纳 你已经 import cv2 as cv，就是缩写为 cv 了，所以下面不能再用 cv2，而要写成 cv.***。例如要写成：img= cv.imread("cat.jpg")而不是：img= cv2
- 2021-04-13 02:09回答 5 已采纳 import cv2 import numpy as np import matplotlib.pyplot as plt img =cv2.imread('E:/python/ha.png')
- 2023-02-06 09:25回答 6 已采纳 import cv2 # 加载图像 img = cv2.imread("preview_png.png") # 提取 G 通道 imgG = img.copy() # BGR imgG[:,
- 2017-08-28 09:49广告与算法的博客 《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in ...介绍:这是瑞士人工
- 2021-10-29 15:45回答 1 已采纳 有些模块打包是会出问题的，如果要共享出去，可以将py文件打包pyd文件
- 2022-05-29 17:00回答 4 已采纳 img = cv2.imread("../images/test01.png") # 添加的前景图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2
- 2022-09-29 12:51回答 2 已采纳 是不是没卸载之前安装的4.6版本直接安装的？更新下pip试试 也可能是跟现在的python版本不兼容
- 2017-10-21 19:17ZhaoYingChao88的博客 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最新版本《神经网络与深度学习综述》本综述的特点是以时间排序，从1940年开始讲起，到60-80年代，80-90年代，一直讲到2000年后及最近几年的进展。涵盖了deep ...
- 2016-11-16 07:52回答 1 已采纳 首先固定相机和同一靶标，使cam对靶标同时拍摄，标定，得到cam1与靶标的R1，t1，cam2与靶标的R2，t2；然后根据三个坐标系之间的转换就可以了
- 2017-04-16 12:08isuccess88的博客 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最新版本《神经网络与深度学习综述》本综述的特点是以时间排序，从1940年开始讲起，到60-80年代，80-90年代，一直讲到2000年后及最近几年的进展。涵盖了deep ...
- 2016-02-28 12:31Zhang_P_Y的博客 《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep ...介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最
- 没有解决我的问题, 去提问
