CUDA OpenCV多处理-python

我正在尝试使用多个GPU运行CUDA ORB关键点检测。工作原理是在可用的GPU设备之间分割视频帧列表（将其加载到GPU内存中）。然而，当我通过

threading

使用多个线程运行它时，我观察到每个GPU的速度都变慢了——我认为这是由多个GPU和所有线程都在其中运行的单个进程之间的通信引起的。因此，我尝试使用

多处理

而不是

线程

来利用多个CPU内核（用不同的GPU对不同的内核进行签名），但它给了我一个错误。下面我附上我的测试代码：

导入cv2
从线程导入线程
从多处理导入进程
从TQM导入TQM
def cuda_测试（gpu_id、idx_开始、idx_结束、帧）：
cv2.cuda.setDevice（gpu\U id）
cuda_orb=cv2.cuda.orb_create（）
对于tqdm中的i（范围（idx_开始，idx_结束））：
gray\u frame=cv2.cuda.cvt颜色（frames[i]，cv2.COLOR\u bgr2灰色）
kp，ds=cuda\u orb.detectAndComputeAsync（灰色帧，无）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
img=cv2.imread（'1.png'）
帧=[cv2.cuda_GpuMat（img）用于范围（1500）内的x]
打印（'\n多线程部分：'）
t1=线程（目标=cuda_测试，args=（0,0，len（帧），帧））
t1.start（）
t1.join（）
打印（'\n多处理部件：'）
p1=进程（目标=cuda_测试，args=（0,0，len（帧），帧））
p1.开始（）
p1.join（）

上面的示例代码仅在单线程/进程上运行，因为目前我无法访问具有多个GPU的机器。当

线程

部件成功运行时，

多处理

不起作用，并给mi带来以下错误：

多线程部分：
100%|██████████████████████████████████████| 1500/1500[00:08遵循多处理。例如，如果uuuu name_uuuu=='uuuu main_uuu'：

，则必须使用

。。。