DeepPipeline

深度学习管道架构（DeepPipeline） 1.概述 在深度学习中，很多实际业务场景中的任务是多阶段的，可拆解的任务。如图1，以行为识别为例，在使用RGB视频流进行行为识别时，我们可以将整体工作流分为四个步骤（数据采集，目标识别，目标追踪，行为分类）。如果四个步骤串行运行，占用大量的时间。如果四个步骤可以同时运行，经常可以使串行占用大量时间的方法在实际业务中实时进行。 我们的框架设计准则为：解压缩，可叠加，易理解，高效。 1.1使用环境 本框架可以在python3.5 +的环境中运行，无需额外的Python依赖包。 1.2 Python依赖 为避免Python语言多线程的GIL，我们计划使用如下Python自有的库： multiprocessing：多进程保证多核CPU并行使用； 时间和队列：准保证队列作为缓冲区中信息的交换中介；多线程锁保证识读一致性； 2.如何使用 2.1快速使用