DeepStream SDK 6.4的主要功能：
- 平台和兼容性更新：
- 迁移到Ubuntu 22.04；Gst版本1.20.3。
- 支持x86/dGPU的Triton 23.08，Jetson的Triton 23.11以及Rivermax v1.40。
- 基于JP 6.0 DP（r36.2.0 BSP）的Jetson软件包。
- 增强的API支持：
- 改进的REST API支持，可实时控制DeepStream流水线（Alpha版本，x86和Jetson）。
- 用于额外控制的NV V4L2编码器插件增强。
- 新增AV1编码器支持。
- 基于CUDA nvjpeg API的新GStreamer插件nvimagedec和nvimageenc。
- 检测和跟踪：
- 支持Trafficcamnet作为主要检测器。
- 引入2个新的次级分类器模型（VehicleMakeNet，VehicleTypeNet）并搭载DS参考应用。
- 增强的视频模板插件，支持音频输入/视频输出。
- 单视图3D跟踪（Alpha版本）。
- 在Jetson上支持具有PVA后端的NvDCF跟踪器（Alpha版本）。
- 通信协议和连接性：
- REST API支持增强。
- MQTT TLS和保活支持。
- 视频编码和处理：
- 在Tracker中提高ReID准确性。
- 新Gst-nvstreammux插件的增强。
- 性能优化。
- 集成和工具包更新：
- 将NVIDIA TAO工具包模型整合到SDK中。
- 持续支持2D身体姿势估计、面部标记估计、情感识别、凝视、心率和手势。
- 稳定性和新插件：
- 稳定性改进。
- 新插件：nvimagedec，nvimageenc。
- Python绑定和示例更新：
- 升级到Python 3.10和Ubuntu 22.04；弃用Python 3.8和DeepStream 6.3支持。
- Deepstream-test2应用程序更新，使用DeepStream 6.4中的新跟踪器元数据类型的名称。
- DeepStream-test4应用程序更新，支持MQTT适配器。
- DeepStream-test1-rtsp-out更新，支持Jetson Orin Nano的软件编码器选项。
DeepStream的Jetson版本基于JetPack 6.0 DP（开发者预览版）。此版本不适用于生产目的。
与DeepStream 6.3相关的重大变化：
主要检测器（PGIE）基于resnet10的模型已被Trafficcamnet Trafficcamnet模型取代。
车辆颜色模型已被移除。
车辆制造模型已被VehicleMakeNet VehicleMakeNet模型取代。
车辆类型模型已被VehicleTypeNet VehicleTypeNet模型取代。
因此，现在DeepStream参考应用程序将使用Trafficcamnet作为PGIE，以及2个新的SGIE模型（VehicleMakeNet，VehicleTypeNet）。
使用DeepStream-6.4时，REST API端点已更新，包含当前支持的版本“/api/v1/”。
在为DLA构建TensorRT引擎时，有一个已知问题，即在TensorRT的详细模式下列出的整个DLA子图（通过TensorRT的详细模式查看）无法构建/最终会回退到GPU，并显示"{ForeignNode[...]}无法由DLA编译，回退到GPU"消息。在这两个ResNet模型PeopleNet v2.6和TrafficCamNet中观察到此问题。在这两种情况下，可以通过将TensorRT的默认DLA SRAM池大小从1 MiB更改为0.5 MiB来解决此问题。使用trtexec，可以通过在构建TensorRT引擎时添加参数"--memPoolSize=dlaSRAM:0.5"来实现 - 对于其他直接调用TensorRT API的TensorRT应用程序，请参阅trtexec中的此代码部分。从上述生成的引擎可以在DeepStream中使用。
UCX应用程序现已统一为一个示例应用程序。
移除FasterRCNN应用程序。
在处理RTSP用例时，建议使用脚本/opt/nvidia/deepstream/deepstream/update_rtpmanager.sh来应用补丁以最小化问题。
在运行tritonserver时，“--backend-directory”选项是不需要的。
Python绑定中的API更改：alloc_nvds_event_msg_meta()现在期望与NvDsEventMsgMeta相关联的NvDsUserMeta指针。
注意事项：
Jetson上的DeepStream基于L4T BSP版本r36.2.0。请参考Jetson发布说明中的“已知问题”部分。
使用V4L2编解码器时，仅提供最多1024个（解码 编码）实例。可以通过更改开源代码来增加实例的最大数量。
在Jetson上，对于gst-dsexample，主要推理配置文件（config_infer_primary.txt）中必须将detected-min-w和detected-min-h设置为大于32的值。
当Kafka Broker断开连接并重新连接时，Kafka协议适配器有时不会自动重新连接。这需要应用程序重新启动。
如果nvds日志文件ds.log已被删除，要重新启动日志记录，必须在重新启用日志记录之前删除容器中的/run/rsyslogd.pid文件，然后运行setup_nvds_logger.sh脚本。这在NVIDIA DeepStream Developer Guide 6.4 Release的“Gst-nvmsgbroker”部分的“nvds_logger: Logging Framework”子部分中有描述。
通过SSH（通过putty）进行X11转发运行DeepStream应用程序无法正常工作。
DeepStream当前期望模型网络宽度是4的倍数，高度是2的倍数。
DeepStream中的Triton推理服务器实现目前仅支持单个GPU。模型需要配置为使用单个GPU。
对于某些模型，在DeepStream中的输出与在TAO Toolkit中观察到的输出不完全相同。这是由于输入缩放算法的差异造成的。
动态分辨率更改支持Alpha质量。
在运行时，模型更新仅支持具有相同网络参数的相同类型的模型。
Rivermax SDK并非DeepStream的一部分。因此，会出现以下警告 (gst-plugin-scanner:33257):
代码语言：javascript复制GStreamer-WARNING **: 11:38:46.882: Failed to load plugin '/usr/lib/x86_64-
linux-gnu/gstreamer-1.0/deepstream/libnvdsgst_udp.so': librivermax.so.0:
cannot open shared object file: No such file or directory你可以安全地忽略此警告。
当使用Composer WebSocket流时，有时会出现类似"Error while sending buffer: invalid state"的错误，或者窗口变得无响应。刷新浏览器页面可能会解决这个问题。
仅支持在RTX GPU上使用Composer WebRTC流。
在Jetson上，当屏幕处于空闲状态时，DeepStream应用程序的帧速率会降低。这是为了节省电源而设计的行为。然而，如果用户不希望屏幕空闲，可以参考FAQ中的解决方法。
RDMA功能目前仅在x86上并且仅在x86 Triton Docker中支持。
除了其Triton变体之外，在Jetson dockers上无法直接构建DeepStream。
对于某些模型，从TensorRT到Triton可能会出现性能下降（5到15%）。
要生成YOLOV3，应为TensorRT限制指定某些层的精度为FP32。解决方案已在更新：https://github.com/NVIDIA-AI-IOT/deepstream_tao_apps
在Ampere、Hopper和ADA上运行275 流时，有时会出现NVRM：XID错误。
在某些配置中，使用gst-dsexample和迁移学习示例应用程序时，会看到NVRM：XID错误。
在运行deepstream-testsr应用程序时，有时会看到断言 " GStreamer-CRITICAL **: 12:55:35.006: gst_pad_link_full: assertion 'GST_IS_PAD sinkpad)' failed"，可以安全地忽略。
Gst-nvdsasr插件和deepstream-avsync-app在Hopper GPU上不受支持。
使用jpeg文件的Multifilesrc插件与nv3dsink不一致地失败。为解决此问题，需要在nv3dsink之前添加nvvideoconvert元素。
对于一些模型，在引擎文件生成期间，TensorRT会报错“[TRT]: 3: [builder.cpp::~Builder::307] Error Code 3: API Usage Error”。但这对功能没有影响，可以安全地忽略。
在NVIDIA Hopper上不支持ASR和TTS插件。
deepstream-server应用程序不支持新的nvstreammux插件。
TAO point-pillar模型仅在FP32模式下工作。
对于一些组件（解码器、预处理器、nvinfer以及流的添加和删除支持），REST API仅提供有限的配置选项。但是，你可以根据SDK文档中的步骤扩展功能。
在运行Python分割应用程序时，会看到关键错误（masked_scan_uint32_peek: assertion '(guint64) offset size <= reader->size - reader->byte' failed），但可以安全地忽略。
在运行Jetson dockers上的DeepStream应用程序时，会看到错误“modprobe: FATAL: Module nvidia not found...”，但可以安全地忽略。
使用Basler相机时，在Jetson上仅支持宽度为4的倍数的图像。
有时，在运行DeepStream应用程序时会看到错误“GLib (gthread-posix.c): Unexpected error from C library during 'pthread_setspecific': Invalid argument”。
此问题是由于glib 2.0-2.72版本中的一个错误引起的，该版本默认安装在ubuntu22.04中。此问题在glib2.76中得到解决，需要安装glib2.76来解决问题（https://github.com/GNOME/glib/tree/2.76.6）。
deepstream-lidar-inference-app示例应用程序在Jetson上无法运行。此问题是由于glib 2.0-2.72版本中的一个错误引起的，该版本默认安装在ubuntu22.04中。此问题在glib2.76中得到解决，需要安装glib2.76来解决问题（https://github.com/GNOME/glib/tree/2.76.6）。
在运行DeepStream应用程序时，对于一些模型（如VehicleMakeNet，VehicleTypeNet），TensorRT引擎文件生成会失败。为避免此故障，在运行应用程序之前运行以下命令以提高时钟速度：
代码语言：javascript复制$ sudo nvpmodel -m 0
$ sudo jetson_clocks如果仍然看到问题，则使用TensorRT中的trtexec实用程序生成引擎文件，并在DeepStream中使用相同的文件。
有时在Jetson上推理输出会在不同运行之间变化。
在Jetson上，deepstream-segmentation-app的nvinferserver支持存在问题。
在Jetson上，如果启用了边界框，deepstream-testsr-app有时可能会出现模糊的输出。
在某些情况下，使用Python示例应用程序的性能可能低于C版本。
在运行deepstream-opencv-test应用程序时，会看到警告“gst_caps_features_set_parent_refcount: assertion 'refcount == NULL' failed"，对功能没有影响，可以安全地忽略。
在Jetson dockers上观察到以下错误（但对功能没有影响）：a) 解码时：/bin/dash: 1: lsmod: not found和/bin/dash: 1: modprobe: not found。b) 启动管道时：Failed to detect NVIDIA driver version.
在Jetson Orin上，不支持软件编码器。解决方法是在nvv4l2decoder之前使用nvvideoconvert而不是nvvidconv。
在Jetson上，deepstream-dewarper-test应用程序，第一次运行时会出现错误：“cuGraphicsEGLRegisterImage failed: 700, cuda process stop”。然而，对于后续运行，不会出现此问题。
