MediaPipe手部追踪脚本GPU加速失效问题排查求助

一、修复OpenCV CUDA检测失败问题 #

• 核心原因：默认通过pip install opencv-python安装的包不包含CUDA支持，需安装带CUDA编译的专用版本
• 操作步骤：
  1. 卸载现有OpenCV包：

     pip uninstall opencv-python opencv-contrib-python -y
     

  2. 安装匹配CUDA 12.2的OpenCV预编译包：

     pip install opencv-python-cu122 opencv-contrib-python-cu122
     

     若使用conda环境，替换为：

     conda install -c conda-forge opencv cudatoolkit=12.2
     

  3. 验证配置：

     import cv2
     print(cv2.cuda.getCudaEnabledDeviceCount()) # 正常应输出1（对应RTX2060）
     gpu_mat = cv2.cuda_GpuMat()
     print(gpu_mat.isContinuous()) # 现在应返回True
     

• 额外检查项：
  • 确保已安装CUDA Toolkit 12.2（仅显卡驱动不够，需开发包），并将CUDA_PATH\bin和CUDA_PATH\libnvvp添加到系统PATH
  • 安装对应版本的cuDNN（8.9.x适配CUDA 12.2），将cuDNN的bin/include/lib目录复制到CUDA Toolkit的对应目录中

二、启用MediaPipe与TensorFlow Lite的GPU加速 #

1. 确保MediaPipe GPU依赖环境正常 #

• Windows系统：安装Microsoft Visual C++ Redistributable 2019或更高版本（MediaPipe的GPU组件依赖该运行库）
• 基础验证：运行以下代码，检查无GPU相关报错即可

  import mediapipe as mp
  mp_hands = mp.solutions.hands
  hands = mp_hands.Hands(use_gpu=True)
  print("MediaPipe GPU初始化完成")
  

2. 手动配置TensorFlow Lite GPU Delegate #

若自动启用GPU失败，手动创建GPU delegate并传入MediaPipe：

import mediapipe as mp
import tensorflow as tf

# 根据系统选择对应GPU delegate库路径
# Windows: 'tensorflowlite_gpu_delegate.dll'
# Linux: 'libtensorflowlite_gpu_delegate.so'
# macOS: 'libtensorflowlite_gpu_delegate.dylib'
gpu_delegate = tf.lite.experimental.load_delegate('tensorflowlite_gpu_delegate.dll')

mp_hands = mp.solutions.hands
hands = mp_hands.Hands(
    use_gpu=True,
    model_complexity=1, # GPU适配中等/高精度模型（1或2），性能提升更明显
    min_detection_confidence=0.5,
    min_tracking_confidence=0.5,
    delegate=gpu_delegate
)

3. 验证GPU生效状态 #

运行脚本时观察控制台日志：

• 若出现INFO: Created TensorFlow Lite GPU delegate for OpenGL（或DirectX），说明GPU delegate已启用
• 不再显示XNNPACK delegate for CPU的日志，即表示已切换到GPU加速

内容的提问来源于stack exchange，提问作者Abdullah James