Sfoglia categorie
Esplora
Fiverr Pro
Italiano
$
USD
Compilero e ottimizzerò mediapipe per il tuo dispositivo arm con accelerazione GPU
Richter
Informazioni su questo servizio
Traduzione automatica.
MediaPipe non distribuisce ruote ARM64. Le costruisco con accelerazione GPU.
Compilo da Bazel source, patchato per GPU Mali ARM con supporto headless EGL/GBM. Ricevi un .whl installabile con pip con delegate GPU funzionante senza X11, senza server di visualizzazione, senza problemi di GPU con Docker.
Ciò che ottieni:
Un .whl personalizzato per la tua scheda ARM + Python + versione di MediaPipe
Delegate GPU tramite EGL GBM (veramente headless)
Script di installazione + test di verifica
Rapporto di benchmark (CPU vs GPU, latenza + throughput)
Piattaforme verificate:
RK3576 (Mali-G52) scheda principale di sviluppo
RK3588 (Mali-G610)
Raspberry Pi 5 (VideoCore VII)
Qualsiasi Linux ARM64 con GPU Mali/VideoCore + DDK
Benchmark: https://asciinema.org/a/Mv4LEGvaroBSs6oJ
Perché è importante:
Stock: solo CPU, oltre 100ms/frame su ARM
La mia build: accelerata GPU, 44ms/frame (2.3x più veloce)
Headless: Docker, CI/CD, rack di server
Nessun SDK NPU necessario, solo driver GPU standard
Ciò di cui ho bisogno:
Modello della scheda + OS (Ubuntu, Debian, Yocto)
Versione di Python (3.10/3.11/3.12)
Moduli: Pose, Face, Hand, Holistic o tutti
Contattami prima di ordinare se il tuo setup è insolito, confermerò la compatibilità.
Scopri di più su Richter
Richter
- DaCina
- Membro daott 2024
- Ultima consegna1 anno
Lingue
Cinese, Tedesco, Inglese
I build computer vision systems that ship — on NVIDIA CUDA servers and ARM edge.
Not demos. Production.
6 projects deployed in 12 months: YOLO detection + tracking on CUDA and NPU (17x speedup), multi-camera RTSP pipelines with FFmpeg hardware decoding, MediaPipe GPU compiled from source for ARM Mali (2.3x faster, headless), PyTorch custom model training, and rPPG contactless vital signs from video.
Stack: Python, C++, PyTorch, OpenCV, CUDA, ONNX, YOLO, Docker. GPUs: RTX 4060 Ti, Hailo-8L NPU, Mali-G52.
3600+ lines in a real school. 20K+ lines in a shipping edge AI product.
Traduzione automatica.
Il mio portfolio
FAQ
Traduzione automatica.
Q: Perché non posso semplicemente pip install mediapipe sul mio scheda ARM?
A: Google pubblica solo ruote x86_64. ARM64/aarch64 non ha ruote ufficiali. Devi compilare da sorgente usando Bazel, che richiede circa 30GB di spazio di build e 1-2 ore. Ho già risolto le parti più difficili (patching EGL/GBM, configurazione Bazel per ARM, collegamento driver GPU).
Q: Qual è la differenza tra build CPU e GPU?
A: La build CPU usa xnnpack per inferenza — circa 100ms per frame su RK3576. La build GPU usa Mali GPU tramite EGL/OpenGLES — circa 44ms per frame. Stessa precisione, stesso modello, 2.3x più veloce. La build GPU libera anche la CPU per altri compiti (decodifica video, API).
Q: Fornite le patch di sorgente?
A: Il pacchetto premium include tutti i file Bazel BUILD, patch CMake e modifiche EGL/GBM come set di patch che puoi riapplicare alle future versioni di MediaPipe. Basic e Standard includono solo la ruota compilata.
Q: Funzionerà in Docker?
A: Sì. La build GPU si collega a /dev/dri/renderD128 (nodo di rendering DRM), che Docker può esporre tramite --device. Fornisco un Dockerfile testato nei pacchetti Standard e Premium.
Q: Quanto tempo richiede la compilazione sul mio hardware?
A: La compilazione avviene sul mio hardware (ho già la toolchain pronta). Ricevi il file .whl finito. L'installazione sul tuo dispositivo richiede circa 30 secondi tramite pip install.
