近年來，深度神經(jīng)網(wǎng)絡在將計算機視覺算法的準確性提升到一個新的水平方面取得了重大進展。OpenVINO 工具包就是這樣一個示例，它可以在提供高性能的同時優(yōu)化 DNN 模型。

英特爾最近發(fā)布了其 OpenVINO 工具套件的最新版本 （2022.1），可為任何地方的開發(fā)人員提供更簡單的部署。OpenVINO 是“Open Visual Inference and Neural Network Optimization”的縮寫，是一個跨平臺的深度學習工具包，可提供額外的深度學習模型、設備可移植性和更高的推理性能，同時代碼更改更少。它專注于通過一次寫入、隨處部署的方法來增強深度神經(jīng)網(wǎng)絡推理，從而優(yōu)化應用程序的開發(fā)生命周期

該工具包有兩個版本，一個開源 OpenVINO 工具包和一個英特爾 Distribution of OpenVINO 工具包。OpenVINO 工具包主要用于開發(fā)各種問題的快速解決方案，如模擬人類視覺、語音識別、自然語言處理、推薦系統(tǒng)等。它為開發(fā)人員在其 AI 界面上工作以及采用和維護提供了一種更簡單的替代方案他們的代碼。OpenVINO 建立在最新一代人工神經(jīng)網(wǎng)絡 （ANN） 的基礎上，例如卷積神經(jīng)網(wǎng)絡 （CNN） 以及循環(huán)和基于注意力的網(wǎng)絡。

在英特爾硬件中，OpenVINO 包含計算機視覺和非計算機視覺工作負載。通過其眾多功能，它確保了最大的性能并加快了應用程序的開發(fā)。它提供了來自自己的 Open Model Zoo 的預訓練模型，這些模型提供了優(yōu)化的模型。OpenVINO 提供了模型優(yōu)化器 API，可以轉(zhuǎn)換您提供的模型并為推理做好準備。推理引擎允許用戶通過編譯優(yōu)化的網(wǎng)絡和管理特定設備上的推理操作來調(diào)整性能。而且由于該工具包與大多數(shù)框架兼容，因此干擾最小，性能最高。

上圖顯示了使用計算機視覺進行入侵檢測的 OpenVINO 工具包的應用。英特爾的 OpenVINO 工具套件分發(fā)版旨在促進和簡化高性能計算機視覺和深度學習推理應用程序在廣泛使用的英特爾平臺上的開發(fā)、創(chuàng)建和部署。OpenVINO 的應用范圍從自動化和安全到農(nóng)業(yè)、醫(yī)療保健等等。

版本 2022.1 的功能

此版本為之前的 2021.3 版本提供了錯誤修復和功能更改。

更新，更清潔的 API

這個新版本使維護開發(fā)人員的代碼變得更加容易。它可以與最小化轉(zhuǎn)換的 TensorFlow 約定集成。此版本減少了模型優(yōu)化器中的 API 參數(shù)，以最大限度地降低復雜性。另一方面，在開放式神經(jīng)網(wǎng)絡交換 （ONNX*） 模型上的模型轉(zhuǎn)換性能得到了顯著提升。

更廣泛的模型支持

用戶可以在包括自然語言處理 （NLP）、雙精度和計算機視覺在內(nèi)的各種深度學習模型中輕松部署應用程序。以 NLP 和異常檢測的附加類別為重點，預訓練模型可用于工業(yè)檢查、降噪、問答、翻譯和文本到語音。

便攜性和性能

此版本承諾通過跨 CPU、GPU 等的自動設備發(fā)現(xiàn)、負載平衡和動態(tài)推理并行性來提升性能。

OpenVINO 工具包附加組件

計算機視覺注釋工具

數(shù)據(jù)集管理框架

深度學習流媒體

神經(jīng)網(wǎng)絡壓縮框架

OpenVINO 模型服務器

OpenVINO 安全插件

培訓擴展

OpenVINO 的工作原理

OpenVINO 工具包由各種開發(fā)和部署工具組成，其中包括一套完全配置的預訓練模型和用于評估的硬件。以下步驟描述了 OpenVINO 的工作原理：

先決條件：設置 OpenVINO

在開始實際工作流程之前，請確保您選擇了主機、目標平臺和模型。該工具支持 Linux、Windows、macOS 和 Raspbian 等操作系統(tǒng)。至于深度學習模型訓練框架，它支持TensorFlow、Caffe、MXNet、Kaldi，以及開放神經(jīng)網(wǎng)絡交換（ONNX）模型格式。

第 1 步：訓練模型

第一步是準備和訓練深度學習模型。您可以從 Open Model Zoo 中找到預訓練的模型，也可以構建自己的模型。OpenVINO 為公共模型提供經(jīng)過驗證的支持，并在存儲庫中提供一系列代碼示例和演示。您可以使用腳本為用于訓練模型的框架配置模型優(yōu)化器。

第 2 步：轉(zhuǎn)換和優(yōu)化模型

配置模型后，您可以運行模型優(yōu)化器將模型轉(zhuǎn)換為中間表示 （IR），該中間表示 （IR） 以一對文件（.xml 和 .bin）的形式表示。除了這對文件（.xml 和 .bin）之外，模型優(yōu)化器還通過輸出診斷消息來幫助進一步調(diào)整。

第 3 步：調(diào)整性能

在這一步中，推理引擎用于編譯優(yōu)化模型。推理引擎是一種高級（C、C++ 或 Python*）推理 API，它作為每種硬件類型的動態(tài)加載插件實現(xiàn)。它為每個硬件提供最佳性能，無需維護多個代碼路徑。

第 4 步：部署應用程序

推理引擎用于部署應用程序。使用部署管理器，您可以通過將模型、IR 文件、應用程序和相關依賴項組裝到目標設備的運行時包中來創(chuàng)建開發(fā)包。

綜上所述，這個新版本的 OpenVINO 工具包提供了許多好處，不僅優(yōu)化了用戶部署應用程序的體驗，還增強了性能參數(shù)。它使用戶能夠開發(fā)具有易于部署、更多深度學習模型、更多設備可移植性和更高推理性能且代碼更改更少的應用程序。

審核編輯：郭婷