准备

本主题涵盖在您的应用程序中使用 VisionPro Deep Learning 之前，您需要准备的计算机操作系统、硬件要求、加密狗配置、许可证和法律声明。

 

先决条件：运行系统

Microsoft® Windows® 操作系统 英语 汉语 日语 韩语 法语 德语 西班牙语
Windows 11 Professional（64 位） ✓ ✓ ✓ ✓ ✓ ✓ ✓
Windows 10 Professional（64 位） ✓ ✓ ✓ ✓ ✓ ✓ ✓
Windows Server 2019 ✓ ✓ ✓ ✓ ✓ ✓ ✓
注意:不支持在虚拟机 (VM) 上使用 VisionPro Deep Learning 软件或 Deep Learning 服务。
注意:
  • 由于 NVIDIA 驱动程序的问题，VisionPro Deep Learning 3.2 服务器/客户端模式不支持 Windows Server 2016。有关更多详细信息和解决方法，请参阅已知问题。

 

先决条件：训练 PC 要求

以下要求描述了为 VisionPro Deep Learning 应用程序训练和开发 PC 推荐的系统。

 

  • CPU

    我们推荐比 Intel Core i7 更高的规格。选择 CPU 时，较高的 CPU 时钟速率和多个核心处理器将导致较快的运行时工具执行速度。如果您的应用程序将依赖于蓝色定位工具，则它对时钟速率更加敏感，尤其是对于复杂的模型匹配应用程序。

  • GPU

    选择 GPU 时， Cognex 仅支持 NVIDIA GPU。

    对于训练，我们建议使用具有 10GB 或更大 GPU 内存（1080 Ti、2080 Ti、3080）的 GPU。对于高细节模式和高细节快速模式的处理，建议使用具有 8GB 或更大 GPU 内存的 GPU。

  • 系统内存 (RAM)

    首先，建议使用 32 GB 或大于 32 GB 的系统内存。

    选择系统 RAM 时，请指定以下较大者：

    • 所有 GPU 内存的总和。例如，如果您有四个 NVIDIA GeForce® RTX™ 3080 Ti GPU，每个 GPU 有 10 GB 的内存，则 PC 应具有 40 GB 的 RAM。
    • RAM 应该是典型工作区大小的一倍半。例如，如果您的典型工作区为 20 GB，则 PC 至少应具有 30 GB 的 RAM。
    注意:您应该拥有 50GB 以上的空间，以便使用 15,000 个 1K X 1K 的图像来训练工具。

  • 系统存储

    Cognex 建议使用固态驱动器 (SSD)，我们建议具有 100 GB 以上的可用空间。

  • 电源

    选择电源时，请在要求的基础上留出 25% 的余量，以适应系统和 GPU 的电源要求，也即选择的电源是系统和 GPU 电源要求的 1.25 倍。

  • USB 2.0

    USB 端口，用于通过 USB 2.0 永久连接 Cognex 安全加密狗（包含训练许可证）。

    注意:

    VisionPro、Designer 和 VisionPro Deep Learning 软件要求在所有操作阶段（编程、处理、训练、测试等）直接在运行该软件的 PC 上安装有效的 Cognex 安全加密狗。任何暂时删除、替换或共享 Cognex 安全加密狗 的尝试都可能导致系统无法正常运行，并可能导致数据丢失。

    注意:VisionPro Deep Learning 已配置客户端/服务器功能，并且计算机已配置为服务器后，Cognex 安全加密狗 必须附加到服务器，但客户端不需要 Cognex 安全加密狗。

 

先决条件：部署 PC 要求

以下要求描述了在运行时 PC 上部署 VisionPro Deep Learning 应用程序时推荐使用的系统。

 

  • CPU

    我们推荐比 Intel Core i7 更高的规格。选择 CPU 时，较高的 CPU 时钟速率和多个核心处理器将导致较快的运行时工具执行速度。如果您的应用程序将依赖于蓝色定位工具，则它对时钟速率更加敏感，尤其是对于复杂的模型匹配应用程序。

    对于高细节模式和高细节快速模式，如果您只有 CPU 而没有 GPU，则无法处理该工具。

    如果单个内核执行多个任务，则处理可能会崩溃。因此，必须使用足够的资源或将单个任务分配给单个内核。

  • GPU

    当选择 GPU 进行处理操作时，VisionPro Deep Learning 3.2 仅支持 NVIDIA GPU。选择 NVIDIA GPU 时，请考虑以下因素：

    至少需要一个启用了 NVIDIA® CUDA® 的 GPU。

    选择 NVIDIA GPU（一个具有较高核心时钟频率的单元）时，CUDA Core 和 Tensor Core 将导致较快的计算速度。因此，Cognex 强烈建议使用 NVIDIA RTX / Quadro® 和 Tesla GPU，原因如下：

    • 这些 GPU 支持计算优化的特斯拉计算群集 (TCC) 模式。
    • 这些 GPU 专为连续占空比操作而设计并经过测试。
    • 这些 GPU 经过 NVIDIA 的严格测试和认证。

    此外，这些 GPU 还提供了长期可用性和驱动程序稳定性。

    建议为运行时使用 8 GB 的 GPU 内存。对于高细节模式和高细节快速模式的处理，建议使用具有 8GB 或更大 GPU 内存的 GPU。

  • 系统内存 (RAM)

    我们推荐 32 GB 或更高。

  • PCIe 通道

    Cognex 建议至少使用 x8 PCIe 通道。但是，相对于PCIe x8（基于5 MP 映像），PCIe x16 有可能会将周期时间减少约 10 ms。

  • 电源

    选择电源时，请在要求的基础上留出 25% 的余量，以适应系统和 GPU 的电源要求，也即选择的电源是系统和 GPU 电源要求的 1.25 倍。

  • USB 2.0

    USB 端口，用于通过 USB 2.0 永久连接 Cognex 安全加密狗（包含运行时许可证）。

    注意:

    VisionPro、Designer 和 VisionPro Deep Learning 软件要求在所有操作阶段（编程、处理、训练、测试等）直接在运行该软件的 PC 上安装有效的 Cognex 安全加密狗。任何暂时删除、替换或共享 Cognex 安全加密狗 的尝试都可能导致系统无法正常运行，并可能导致数据丢失。

    VisionPro Deep Learning 已配置客户端/服务器功能，并且计算机已配置为服务器后，Cognex 安全加密狗 必须附加到服务器，但客户端不需要 Cognex 安全加密狗。

 

先决条件：NVIDIA® GPU 设备要求

以下信息涵盖了在 VisionPro Deep Learning 应用程序中使用 NVIDIA GPU 时的要求。Deep Learning 在应用程序开发期间使用 GPU，通常用来训练工具。另外，也可以在运行时部署期间在 上使用 GPU，这可以提高运行时工作区的性能。

 

VisionPro Deep Learning 3.2 旨在支持最常用的 GPU 系列，但是测试每个模型或驱动程序是不现实的。下表列出了我们已明确测试并确认可正常工作的模型，以及少数几个无效的模型和产品系列。除了非常新的模型以外，大多数其他常用的 NVIDIA GPU 也已被客户成功地使用，即使它们尚未经过明确测试。此外，我们分享了最低 GPU 功能的规范，并为要求苛刻的应用程序推荐了高性能 GPU，例如那些使用绿色分类高细节或红色分析高细节 的应用程序。

 

  • 最低建议性能：GTX 1060 6 GB
  • 推荐用于高性能：GTX 1080 Ti / RTX 2080 Ti / RTX 3080

 

GPU 模型 由 Cognex 测试 推荐用于高性能
NVIDIA GeForce® GTX 1060 6 GB 经过测试  
GTX 1070    
GTX 1080 经过测试  
GTX 1080 Ti 经过测试 推荐配置
RTX™ 2070    
RTX 2080    
RTX 2080 Ti 经过测试 推荐配置
RTX 3060    
RTX 3060 Ti    
RTX 3070    
RTX 3070 Ti    
RTX 3080 经过测试 推荐配置
RTX 3080 Ti 经过测试  
RTX 3090 经过测试 推荐配置
RTX 4070 Ti    
RTX 4080 经过测试  
RTX 4090 经过测试  
NVIDIA RTX / Quadro® P2000    
P4000 经过测试  
P5000   推荐配置
GV100*   推荐配置
RTX 4000    
RTX 5000   推荐配置
RTX 6000   推荐配置
RTX 6000 Ada    
RTX 8000   推荐配置
Titan V*   推荐配置
Titan RTX   推荐配置
NVIDIA Tesla® V100*    

已知无效的模型：

  • GTX 1660 和 GTX 1650：请注意，性能不佳且训练时间很长，原因不明。
注意:

  • 选择 GPU 时， Cognex 仅支持 NVIDIA GPU。

  • VisionPro Deep Learning 3.2 支持使用计算能力等于或高于 5.0 的任何 NVIDIA CUDA® 型 GPU，并且要求驱动程序版本从 528.02 到 532.03。
  • 要使用核心 VisionPro Deep Learning 功能，CUDA 计算能力必须为 5.0 或更高。低精度参数要求 CUDA 计算能力为 6.1 或更高（有关更多信息，请访问 NVIDIA 网站）。

  • 在训练和处理高细节模式和高细节快速模式时，运行时操作需要 8 GB 的 GPU 内存，建议使用 10 GB 的 GPU 内存进行训练。

  • NVIDIA GeForce Titan V、NVIDIA RTX / Quadro® GV100 和 Tesla V100 包括 NVIDIA Tensor Core。如果存在 Tensor Core，VisionPro Deep Learning 3.2 将自动使用它们，只要您有标准或高级安全许可证即可。有关在 Cognex 安全加密狗 上启用此功能的信息，请联系您的 Cognex 销售代表。

 

先决条件：NVIDIA® GPU 驱动程序

  • GeForce® RTX 驱动程序范围从 528.02 到 532.03。

    • 测试的版本为 528.02。

    • 使用的驱动程序版本高于 532.03 可能造成 高细节 中训练和处理时间较短。

  • NVIDIA RTX / Quadro® / Data Center 驱动程序，介于 528.02 和 532.03 之间（企业级最佳驱动程序）。

    • 强烈建议访问 https://www.nvidia.com/Download/Find.aspx，以找到适合您 GPU 的版本，因为您的 GPU 可能需要比 528.02 更高的版本。

 

先决条件：API 开发要求

通过 VisionPro Deep Learning API 开发 VisionPro Deep Learning 自定义应用程序需要以下软件和组件：

  • Microsoft® Visual Studio® 2015、2017 或 2019
  • Microsoft .NET Framework 4.7.2
注意:有关 VisionPro Deep Learning API 的更多信息，请参阅 Cognex Deep Learning .NET 文档和 Cognex Deep Learning C 文档帮助文件。

 

安装 VisionPro Deep Learning

要成功安装 VisionPro Deep Learning，请执行以下操作：

  1. 将 Cognex 安全加密狗 连接到将用于开发视觉应用程序的计算机上的 USB 端口。
  2. 从 Cognex 支持页面下载 Cognex VisionPro Deep Learning 安装程序。
  3. 运行 VisionPro Deep Learning 安装程序并按照提示操作。
注意:

选择“自定义”选项将允许您安装选定功能：

  • Wibu 运行时服务器，需要连接 USB Cognex 安全加密狗。
  • 主 VisionPro Deep Learning 应用程序（这是必需的）。
  • VisionPro Deep Learning Developer API。

  • VisionPro、Designer 和 VisionPro Deep Learning 软件要求在所有操作阶段（编程、处理、训练、测试等）直接在运行该软件的 PC 上安装有效的 Cognex 安全加密狗。任何暂时删除、替换或共享 Cognex 安全加密狗 的尝试都可能导致系统无法正常运行，并可能导致数据丢失。

    VisionPro Deep Learning 已配置客户端/服务器功能，并且计算机已配置为服务器后，Cognex 安全加密狗 必须附加到服务器，但客户端不需要 Cognex 安全加密狗。

 

启动 VisionPro Deep Learning

启动 Deep Learning GUI 时，除项目设置外，还有多个选项可用于控制 GPU 模式、要使用的 GPU 设备以及 GPU 内存分配。

 

在“启动 Cognex Deep Learning”屏幕上，按下选项按钮。

命令 设置
GPU 模式 指定应用程序要使用的 GPU 模式。
SingleDevicePerTool

使用单个 GPU 训练和处理图像。

MultipleDevicesPerTool自 VisionPro Deep Learning 1.0.0 起，已不再支持用于在多个设备上处理图像的 MultipleDevicesPerTool。
NoSupport

指定不使用 GPU。

注意:此选项与 --gpu-devices 和/或 --optimized-gpu-memory 冲突。
优化的 GPU 内存 指定预分配的优化内存缓冲区的大小。在默认情况下此设置处于激活状态，默认大小为 2 GB。
提示:计算设备
可以通过“帮助”>“计算设备”选项设置“优化的 GPU 内存”。

“计算设备”窗口包含有关计算资源的信息。
  1. 可用设备
    这显示了用于 VisionPro Deep Learning 的 GPU。可以在此处查看多个设备的列表和 GRAM 信息。
  2. 优化的 GPU 内存
    可以启用/禁用 GPU 内存优化以使用聚焦模式工具。有关详细信息，请参阅 NVIDIA GPU 选择和配置 。
自动保存间隔 指定自动保存工作区的频率。默认值为 每 5 分钟一次。
训练图像缓存路径 指定用于训练图像的缓存位置。如果流中的图像采用非光栅格式（例如 JPG、PNG 或 GIF），此选项是很有用的，因为必须将图像转换为光栅 (BMP) 格式以进行训练。默认情况下，每个图像都会进行多次转换。启用“训练图像缓存路径”后，仅需执行一次转换，并且转换后的图像存储在本地缓存目录中。缓存目录应位于本地，最好在固态驱动器 (SSD) 上。

如果工作区存储在较慢的驱动器或远程存储设备上，此选项还可以加快训练速度。
区域设置 指定在整个 VisionPro Deep Learning GUI 过程中使用的语言。
调试记录 指定是否应为项目激活调试日志。

 

使用 VisionPro Deep Learning 教程

教程将通过具体的应用示例向您介绍不同的 VisionPro Deep Learning 工具和概念。

注意:这些教程可在 Cognex 支持网站上获得；请下载工具，然后将它们导入新创建的工作区，删除所有工具并从头开始。

 

Cognex 提供了几个教程，以帮助您学习如何使用 VisionPro Deep Learning 软件以及了解一些关键概念。

  1. 从 Cognex 支持网站下载 VisionPro Deep Learning 教程。
  2. 启动 VisionPro Deep Learning 图形用户界面 (GUI)。
  3. 从工作区菜单导入教程工作区，该菜单启动带入工作区对话框。

  4. 导航到存储已下载教程的目录，然后选择要启动的工作区。

    注意:

    要导航到先前创建的工作区，请按 图标展开工作区容器，然后从列表中选择所需的工作区并按箭头图标：

    注意:有关其他信息，请参阅 Cognex Deep Learning 教程主题。

有关 VisionPro Deep Learning 教程的更多详细信息，请参阅训练 红色分析、绿色分类和 蓝色定位/蓝色读取的每个主题。

 

Cognex VisionPro技术支持

VisionPro Deep Learning 可以支持以下 CognexVisionPro 版本：

  • VisionPro 9.20
  • Designer 4.4.3

 

 

有关与Cognex VisionPro集成的更多信息，请参阅与 Cognex Vision Pro 集成。