使用OpenCV Python API指定GPU设备

Question

当使用Tensorflow（w/GPU支持）来实时处理从OpenCV（3.4.3，使用Python API）捕获中提取的一些特性的项目时，每当我在tf会话之后尝试从捕获中read时，我都会从cuDNN得到以下错误：

F1028 02:37:31.456640 xxxxx cudnn_conv_layer.cu:28] Check failed: status == CUDNN_STATUS_SUCCESS (8 vs. 0) CUDNN_STATUS_EXECUTION_FAILED

我想问题是OpenCV和Tensorflow同时通过CUDA使用GPU，GPU内存不足。我目前使用的解决方法是首先使用OpenCV开始捕获，然后在实际需要时启动tf会话。这样，TensorFlow就知道GPU正忙，并选择只使用CPU。然而，帧速率因此显著下降。在

考虑到我只使用OpenCV进行捕获和基本的预处理，我不认为GPU支持是必要的，最好让TensorFlow使用GPU。在

是否有方法指定要与OpenCV Python API一起使用的GPU设备（或者是否应该使用GPU）？在C++ ^{aPI中，在^ {CD3}}命名空间下有一个^ {CD2> }方法。pythonapi是否有一个等价的API？在