1、set_dl_model_param(DLModelHandle, 'gpu', GpuId)
GpuId=0 選中第一塊顯卡做深度學習訓練。
GpuId=1 選中第二塊顯卡做深度學習訓練。
類推
查詢可用多顯卡信息
query_available_compute_devices(DeviceIdentifier) //一塊顯卡輸出[0]，兩塊是[0,1]，依次類推
get_compute_device_info(0，’name‘,info) //0代表第一塊顯卡，1代表第二塊顯卡
判斷GPU是否可用
get_system ('cuda_loaded', CudaLoaded)
get_system ('cudnn_loaded', CuDNNLoaded)
get_system ('cublas_loaded', CuBlasLoaded)
if (not (CudaLoaded == 'true' and CuDNNLoaded == 'true' and CuBlasLoaded == 'true'))
UseGPU := false
多個深度學習庫，可以同時設置多個庫的深度學習的GPU，但是顯卡需要足夠大的內存，否則會報下面的異常。
如果內存不夠，可以用完一個深度學習的庫之后，用clear_dl_model清除掉一個，然后設置另外一個的Gpu序號。
同一個深度學習庫設置多遍是不會報錯的。
一台電腦可以裝多張顯卡，型號可以不一樣。
深度學習庫訓練和推理不能跨gpu進行。
一個gpu可以同時支持多個深度學習庫（前提是gpu硬件性能支持）。
2、
apply_dl_model (DLModelHandle, DLSampleBatch, [], DLResults)
DLSampleBatch := gen_tuple_const(BatchSize,-1)
set_dict_object (ImagePreprocessed, DLSample, 'image')
DLSampleBatch[ImageIndex] := DLSample
get_dict_object (SegImage, DLResults[ResultIndex], 'segmentation_image')
get_dict_object (Confidence, DLResults[ResultIndex], 'segmentation_confidence')
get_dict_object (ImagePreprocessed, DLSampleBatch[ResultIndex], 'image')
輸入和輸出都要用循環來實現、
3、
（halcon 18.11）要求輸入的數量和BatchSize要相等，否則會報錯規格不對
（halcon 19.11）沒有這個要求，可以大於，也可以小於。
set_dl_model_param (DLModelHandle, 'batch_size', BatchSize)
BatchSize這個越大(到了一定大小，速度基本不變，如果超過一定范圍，就會報下面的錯)，處理速度越快，同時對GPU的內存要求越大。
推理的batch_size和訓練的batch_size沒有關聯。
4、
halcon 18.11包含2個Dll（halcondotnetxl.dll，halconxl.dll）
halcon 19.11包含3個Dll（halcondotnetxl.dll，halconxl.dll，halcondlxl.dll）
5、
多個線程可以同時調用同一個深度學習庫進行語義分割。
清除clearHandle深度學習庫句柄的時候，保證句柄沒有被占用
6、
set_dl_model_param（DLHandle,'runtime','gpu'）
set_dl_model_param（DLHandle,'runtime_init','immediately'）
立即生效，不需要等到
才生效。
7、
彩色圖像和灰度圖像都可以用作深度學習，但是彩色圖像效果會很好。
訓練次數，主要看收斂情況。100次收斂了，就設置成100次。
8、
set_dl_model_param（DLHandle,'runtime','cpu'）設置深度學習 識別圖像是 cpu，
語義分析：gpu的識別效果比cpu的識別效果要好，個人分析是CPU的推理做了一些簡化計算了，分割效果差些。
9、
原圖進行訓練效果要比縮小的圖像效果要好。
10、
支持的情況下：加載同一個深度學習庫進行識別，set_dl_classifier_param(DLHandle,'batch_sise',1)和set_dl_classifier_param(DLHandle,'batch_sise',n) n>1 經測試，實際效果是一樣的。
11、
read_dl_classifier和read_dl_model的深度學習庫是通用的，高版本可以調用低版本訓練的庫。
halcon的深度學習不能支持后面出現的顯卡。例如halcon19.11不能支持RTX 3090顯卡，halcon20.11就可以。
12、深度學習提速方法：
<1>、批量處理圖像。<2>、更換更好的顯卡。