C++部署错误，更改mode_infer.cpp生成的dll和lib文件，MFC调用.

[shlucky]

问题类型：模型部署 问题描述
设备硬件环境：英伟达2080ti，CUDA10.2,CUNN7.6,TensorRT 7.0 PaddleX分支PaddleX-release-2.0.0rc3 参考model_infer.cpp 更改为分割模型，生成dll和lib,编写MFC程序，初始化模型时选择GPU方式，调用生成的dll和lib。读取文件夹下的图片可以实现图像的分割，接入工业相机采集后，将采集的图像（一段内存地址）内部已经生成为opnecv的Mat图像传给深度学习预测推理程序就报错，报错的地方为ppinference_engine.cpp的Infer函数，中的 in_tensor->CopyFromCpu(im_tensor_data);这句话，我一开始觉得是相机没有数据或者数据的格式不对，特地在传入推理程序前，将相机采集的图像保存，图像没有问题，后来我将初始化时改为CPU方式，也可以实现图像的语义分割。想问下这个是什么问题？读取文件夹下的图片进行语义分割没有问题，改为CPU方式下读取工业相机也没有问题，在GPU下就出现上述错误？

请在这里描述您在使用过程中的问题，说明您的部署环境，部署需求，模型类型和应用场景等，便于开发人员快速响应。

[shlucky]

[FlyingQianMM]

关于gpu下能否正常预测，之前有试过直接用给出的demo和模型做预测能正常运行么？

另外自己修改哪些地方？

[heliqi]

是不是使用了多线程？ 我看报错提示是因为同时访问了inputs导致的报错

[shlucky]

@heliqi 您好，没有使用多线程，看文档多线程 使用PredictorPool，打开PaddleX-release-2.0.0rc3\dygraph\deploy\cpp ，没有PredictorPool类。看文档CopyFromCpu(data) 是从cpu获取数据，设置到tensor内部。我是使用同一个模型对多个相机的输入图像进行预测，请问这样有问题吗？

[shlucky]

@FlyingQianMM 您好，直接给的demo和模型可以正常运行，我修改的部分主要是将demo里的model_infer，目标检测任务改为语义分割，输出的是对应的label。

[FlyingQianMM]

我是使用同一个模型对多个相机的输入图像进行预测

这个具体是指 把多个相机的输入图像放到同一个batch里面做预测还是怎么的？

[shlucky]

@FlyingQianMM 不是将多个相机的输入图像放进一个batch里面进行预测，而是相机有触发信号，采集图像传入预测程序，因为是流水线上不同相机拍摄工件的不同位置，但是调用的是同一个预测程序，请问这样有问题吗？

[FlyingQianMM]

那是每个相机一个线程，然后调用同一个模型？

[shlucky]

@FlyingQianMM 真是应用场景是这样的，但是我现在测试的时候只是链接一个相机，加载完模型选择GPU模式，然后触发相机拍照，对采集的图像推理时就报错，改为cpu模式就没问题，改为GPU模式处理文件夹下的图片也没问题。

[shlucky]

@heliqi @muare如果需要， 你们可以远程整台电脑复现一下这个错误。

[heliqi]

1. 如果只有一个模型实例， 确保线程中的推理已经完成，再传入新的图片调用推理。 比如下面这个PR中的multi_thread_infer2.cpp例子中的 future1.get(); 就是保证线程计算完毕： https://github.com/PaddlePaddle/PaddleX/pull/1179
2. 请使用线程池，初始化线程数量后，重复复用这些线程。避免线程频繁的销毁创建，导致底层cuda问题

[chliang]

缺 cuda的库 cusolver64_10.dll, 拷贝到运行目录中