OpenVINO

OpenVino
Originalautor (en) Intel Corporation,
Entwickler (en) Intel Corporation
Erstveröffentlichung 16. Mai 2018; vor 4 Jahren
Stabile Version
2022.1 / März 2022.[1]
Repository Github.com/OpenVinotoolkit/OpenVino
Geschrieben in C ++, Python
Betriebssystem Plattformübergreifend
Lizenz Apache -Lizenz 2.0
Webseite Dokumente.openvino.ai

OpenVino Toolkit (Offene visuelle Inferenz und neuronale Netzwerkoptimierung) ist ein kostenloses Toolkit, das die Optimierung von a erleichtert tiefes Lernen Modell aus einem Framework und einer Bereitstellung mit einer Inferenz -Engine auf Intel Hardware.[2] Das Toolkit verfügt über zwei Versionen: OpenVino Toolkit, das von Open Source Community und Intel Distribution von OpenVino Toolkit unterstützt wird, das von Intel unterstützt wird. OpenVino wurde von entwickelt von Intel. Das Toolkit ist plattformübergreifend und kostenlos für die Verwendung unter Apache -Lizenz Version 2.0.[3] Das Toolkit ermöglicht einen Schreib-, Bereitstellungsansatz für Deep-Learning-Bereitstellungen auf Intel-Plattformen, einschließlich Zentralprozessor, integriert GPU, Intel Movidius VPU, und Fpgas.

Überblick

Die hohe Pipeline von OpenVino besteht aus zwei Teilen: Generieren Sie IR -Dateien (Intermediate Repräsentation) über den Modelloptimierer unter Verwendung Ihres geschulten Modells oder öffentlich und führen Sie die Inferenz auf Inferenzmotor auf angegebenen Plugins (Zentralprozessor, Intel Processor Graphics, VPU, GNA, Multi-Device-Plugin, Heterogen Plugin)[4]

Das Toolkit Modelloptimierer ist ein plattformübergreifendes Tool, das ein geschultes Modell aus dem ursprünglichen Framework in OpenVino Format (IR) umwandelt und es für zukünftige Inferenz auf unterstützten Geräten optimiert. Infolgedessen produziert Modelloptimierer zwei Dateien: *.Behälter und *.xml, die Gewichte bzw. Modellstrukturen enthalten.

Das Toolkit Inferenzmotor ist ein C ++ Bibliothek zum Abschluss von Eingaben auf Geräte und Erzählen von Ergebnissen. Um die OpenVino -API besser zu verstehen, gibt es viele Stichproben, die zeigen, wie man mit OpenVino arbeitet

OpenVino hat unterschiedliche Beispieltypen: Klassifizierung, Objekterkennung, Stilübertragung, Spracherkennung usw. Es ist möglich, Inferenz zu versuchen Öffentliche Modelle Es gibt eine Vielzahl von Modellen für Aufgaben wie:

  • Einstufung
  • Segmentierung
  • Objekterkennung
  • Gesichtserkennung
  • Schätzung der menschlichen Pose
  • Schätzung der Monokulartiefe
  • Bildinstrument
  • Stilübertragung
  • Aktionserkennung
  • Farbe

Alle diese Modelle stehen für Lernzwecke oder für die Deep -Lern -Software für Entwicklung zur Verfügung. Open Model Zoo ist unter lizenziert unter Apache -Lizenz Version 2.0.

Zusammen mit den primären Komponenten der Modelloptimierung und Laufzeit innerhalb der Intel®-Verteilung von OpenVino Toolkit enthält das Toolkit auch eine benutzerfreundliche Webbrowser-Schnittstelle namens the the Deep Learning Workbench Modellanalyse und Experimente zu unterstützen; ein Werkzeug namens das Tool nach der Ausbildung Optimierung Um die Inferenz zu beschleunigen, indem Modelle in niedrige Präzision umgewandelt werden und keine erneute Auslagerung erforderlich sind (z. B. Quantisierung nach der Ausbildung); und zusätzliche Add-Ons wie die Deep Learning Streamer Um die Interoperabilität der Analytics -Pipeline zu unterstützen, die Interoperabilität OpenVino -Modellserver Skalierbarkeit über einen Serviermikroservice zu ermöglichen, Trainingserweiterungen wie Komprimierungsrahmen des neuronalen Netzwerks, und die Computer Vision Annotation Tool, ein interaktives Online -Tool für Video- und Bildanmerkungen.

OpenVino hat zwei Webseiten: eine für Dokumentation ein anderer für Downloads.

Unterstützte Frameworks und Formate

Programmiersprache

OpenVino ist geschrieben in C ++ und Python.

OS -Unterstützung

OpenVino läuft auf den folgenden Desktop -Betriebssystemen: Fenster, Linux und Mac OS.

OpenVino läuft auch weiter Raspberry Pi.[5]

Siehe auch

Verweise

  1. ^ "Versionshinweise für die Intel -Verteilung von OpenVino Toolkit 2022". März 2022.
  2. ^ Nanjappa (2019), p. 91.
  3. ^ "OpenVino Toolkit: Willkommen bei OpenVino".
  4. ^ "Einführung in das Intel Deep Learning Deployment Toolkit - OpenVino Toolkit".
  5. ^ Wilbur, Marcia. "Verwenden Sie den Modelldownloader und den Modelloptimierer für die Intel® -Verteilung von OpenVino ™ Toolkit auf Raspberry Pi*".