Ver categorias
Explorar
Fiverr Pro
Português
$
USD
Vou compilar e otimizar mediapipe para seu dispositivo arm com aceleração GPU
Richter
Sobre este Serviço
Tradução automática
MediaPipe não fornece rodas ARM64. Eu as construo com aceleração GPU.
Eu compilo a partir do código fonte Bazel, adaptado para GPU Mali com suporte headless EGL/GBM. Você recebe um arquivo .whl instalável pelo pip com o delegate GPU funcionando sem X11, sem servidor de exibição, sem dores de cabeça com Docker GPU.
O que você recebe:
Arquivo .whl personalizado para sua placa ARM + Python + versão do MediaPipe
Delegate GPU via EGL GBM (realmente headless)
Script de instalação + teste de verificação
Relatório de benchmark (CPU vs GPU, latência + throughput)
Plataformas verificadas:
RK3576 (Mali-G52) placa de desenvolvimento principal
RK3588 (Mali-G610)
Raspberry Pi 5 (VideoCore VII)
Qualquer Linux ARM64 com GPU Mali/VideoCore + DDK
Benchmark: https://asciinema.org/a/Mv4LEGvaroBSs6oJ
Por que isso importa:
Stock: apenas CPU, mais de 100ms por quadro em ARM
Minha build: acelerada por GPU, 44ms por quadro (2,3x mais rápido)
Headless: Docker, CI/CD, rack de servidores
Sem necessidade de SDK NPU, apenas drivers padrão de GPU
O que eu preciso:
Modelo da placa + OS (Ubuntu, Debian, Yocto)
Versão do Python (3.10/3.11/3.12)
Módulos: Pose, Face, Hand, Holistic ou todos
Entre em contato antes de pedir se sua configuração for incomum, confirmarei a compatibilidade.
Conheça mais sobre Richter
Richter
- A partir deChina
- Membro desdeout. de 2024
- Última entrega1 ano
Idiomas
Chinês, Alemão, Inglês
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.
Tradução automática
Meu portfólio
Perguntas frequentes
Tradução automática
Q: Por que não posso simplesmente usar pip install mediapipe no meu placa ARM?
A: Google só publica rodas x86_64. ARM64/aarch64 não tem roda oficial. Você precisa compilar a partir do código fonte usando Bazel, o que requer cerca de 30GB de espaço de build e 1-2 horas. Eu já resolvi as partes difíceis (patching EGL/GBM, configuração do Bazel para ARM, linkagem do driver GPU).
Q: Qual a diferença entre build de CPU e GPU?
A: Build de CPU usa xnnpack para inferência — cerca de 100ms por quadro no RK3576. Build de GPU usa GPU Mali via EGL/OpenGLES — cerca de 44ms por quadro. Mesma precisão, mesmo modelo, 2,3x mais rápido. Build de GPU também libera a CPU para outras tarefas (decodificação de vídeo, API).
Q: Você fornece os patches do código fonte?
A: O pacote premium inclui todos os arquivos BUILD do Bazel, patches do CMake e modificações EGL/GBM como um conjunto de patches que você pode reaplicar em versões futuras do MediaPipe. Os pacotes básico e padrão incluem apenas a roda compilada.
Q: Vai funcionar no Docker?
A: Sim. O build de GPU se conecta a /dev/dri/renderD128 (nó de renderização DRM), que o Docker pode expor via --device. Eu forneço um Dockerfile testado nos pacotes Padrão e Premium.
Q: Quanto tempo leva para compilar no meu hardware?
A: A compilação acontece no MEU hardware (tenho a cadeia de ferramentas pronta). Você recebe o arquivo .whl pronto. A instalação no seu dispositivo leva cerca de 30 segundos via pip install.
