lp-mu-opencv-gpu.py
Test de performance d'OpenCV pour vérifier l'accélération GPU Intel Arc.
Installez python3-opencv. Pour une vraie accélération GPU, compilez OpenCV avec le support OpenCL ou utilisez les bibliothèques Intel oneAPI. Surveillez l'utilisation du GPU avec 'intel_gpu_top' pour confirmer que le traitement est déchargé sur le GPU Arc.
lp-mu-opencv-gpu.py
import cv2
import numpy as np
import time
# Vérification de la disponibilité du GPU (OpenCL)
print("OpenCL info:", cv2.getBuildInformation())
# Création d'un filtre de flou gaussien pour tester le pipeline
def test_blur():
# Image synthétique
img = np.random.randint(0, 255, (1080, 1920, 3), dtype=np.uint8)
start = time.time()
for _ in range(100):
# OpenCV utilise souvent le CPU par défaut, mais peut être compilé avec OpenCL
# Pour forcer l'accélération GPU, assurez-vous que la build OpenCV a le support OpenCL
blurred = cv2.GaussianBlur(img, (5, 5), 0)
end = time.time()
print(f"Temps pour 100 flous : {end - start:.4f} secondes")
print("Vérifiez l'utilisation du GPU avec 'intel_gpu_top' dans un autre terminal.")
if __name__ == "__main__":
test_blur()