Vulkan Cookbook 第三章 13 检查提交的命令缓冲区的处理是否已完成

本文介绍如何使用围栏来同步提交的命令缓冲区,确保GPU完成处理后再执行后续任务,避免应用程序完全暂停,浪费资源。通过创建未发信号的围栏,在提交命令缓冲区时指定该围栏,然后在应用程序中等待围栏变为信号状态,从而实现高效同步。

检查提交的命令缓冲区的处理是否已完成

译者注:示例代码点击此处

当我们使用信号量时,应用程序不参与同步命令缓冲区的过程。它不知道提交的命令的处理何时完成以及何时开始处理其他命令。这一切都发生在“舞台后台”,对应用程序是透明的。但是,当我们想知道给定命令缓冲区的处理何时结束时,我们需要使用围栏。这样,我们可以检查设备完成处理提交的命令缓冲区的时间。

怎么做...

1.创建一个未发信号的围栏并将其存储在名为fence的VkFence类型变量中。
2.准备一批命令缓冲区、将命令缓冲区提交到选定队列时,请使用准备好的数据。在提交期间使用fence变量。(请参阅将命令缓冲区提交到队列内容)。
3.通过提供逻辑设备的句柄、fence变量、用于定义是否在所有围栏上等待的参数的VK_FALSE值,以及用于超时的选定值(请参阅等待围栏内容)。
4.等待完成并返回VK_SUCCESS值后,表示已成功完成对使用fence变量的批处理中提交到所有命令缓冲区的处理。

这个怎么运作...

将应用程序与提交的命令缓冲区同步分两步完成。首先我们创建一个围栏,准备命令缓冲区并将他们提交到队列,我们需要记住在相同的提交中提供所创建的栅栏:

if( !SubmitCommandBuffersToQueue( queue, wait_semaphore_infos, command_buffers, signal_semaphores, fence ) ) { 
  return false;
}

接下来,我们只需要在应用程序中等待,知道围栏变成信号。

return WaitForFences( logical_device, { fence }, VK_FALSE, timeout );

这样,我们确信提交的命令缓冲区已经被设备成功地处理了。

但典型的渲染场景不应导致我们的应用程序完全暂停,因为这只是浪费时间。我们应该检查围栏是否有信号。如果不是,应该把剩余的时间花在其他任务上,例如提高人工智能或更准确地计算物理,并定期检查围栏的状态。当围栏变为信号时,我们执行依赖于提交命令的任务。

当我们想要重用命令缓冲区时,也可以使用围栏。在重新记录它们之前,必须确保它们不再被设备所执行。我们应该记录和提交一系列的命令缓冲区。只有使用它们时才开始等待围栏(每个提交的批次应该有一个相关的围栏)。我们有越多独立的命令缓冲区,在等待围栏上花费的时间就越少(参见第九章“命令记录和绘图”中分别呈现的帧内容)

一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 640×480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值