GPU-beschleunigte Bildverarbeitung#
Da wir häufig mit dreidimensionalen Bilddaten arbeiten, möglicherweise über die Zeit hinweg, nimmt die klassische Bildverarbeitung recht viel Zeit in Anspruch.
Daher werden wir uns auch mit Bildverarbeitung auf Grafikprozessoren (GPUs) unter Verwendung von OpenCL, pyopencl und pyclesperanto befassen. Diese Technologie ermöglicht es uns, Bilder schneller zu verarbeiten, GPU-beschleunigt. Klassische Algorithmen und GPU-beschleunigte Bildverarbeitung können sich in den Details unterscheiden, aber für uns Anwender sollte das nicht erkennbar sein. Eine bestimmte Bildverarbeitungsoperation sollte ähnliche Ergebnisse liefern, unabhängig davon, wie sie berechnet wird.
Installation der Anforderungen#
Benutzer von Windows und Mac sollten OpenCL nicht installieren müssen. Alles, was Sie benötigen, sollte vorinstalliert sein. Linux-Benutzer müssen einen OpenCL-ICD-Loader installieren.
Daher müssen Linux-Benutzer möglicherweise Befehle wie diese ausführen, abhängig von der Linux-Distribution:
sudo apt update
sudo apt install ocl-icd-opencl-dev
Danach kann die Installation mit conda und pip fortgesetzt werden:
mamba install -c conda-forge l pyclesperanto-prototype
Anschließend können Sie es zum Beispiel testen, indem Sie diese Befehle in einem Python-Skript oder Jupyter Notebook ausführen:
import pyclesperanto_prototype as cle
print("Used GPU:", cle.get_device())
Fühlen Sie sich auch frei, das napari-pyclesperanto-assistant Plugin in napari zu installieren.
Installation optionaler Anforderungen#
In diesem Kapitel werden wir auch einen Blick auf cupy, eine auf NVidia CUDA basierende GPU-beschleunigte Verarbeitungsbibliothek, und napari-cupy-image-processing, ein skriptbares napari-Plugin, werfen. Diese beiden können mit den folgenden Befehlen installiert werden. Dies funktioniert jedoch nur auf Computern mit einer CUDA-kompatiblen NVidia-Grafikkarte.
mamba install -c conda-forge cupy cudatoolkit=10.2
mamba install -c conda-forge napari
pip install napari-cupy-image-processing
Hinweis: Abhängig von Ihrer CUDA-Installation möchten Sie möglicherweise die “10.2” in der obigen Befehlszeile durch die CUDA-Version ersetzen, die Sie auf Ihrem Computer installiert haben.
Siehe auch