近年來，深度神經(jīng)網(wǎng)絡(luò)在將計算機(jī)視覺算法的準(zhǔn)確性提升到一個新的水平方面取得了重大進(jìn)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(xué)習(xí)工具包，可提供額外的深度學(xué)習(xí)模型、設(shè)備可移植性和更高的推理性能，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(qiáng)深度神經(jīng)網(wǎng)絡(luò)推理，從而優(yōu)化應(yīng)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(hù)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(luò) （ANN） 的基礎(chǔ)上，例如卷積神經(jīng)網(wǎng)絡(luò) （CNN） 以及循環(huán)和基于注意力的網(wǎng)絡(luò)。

在英特爾硬件中，OpenVINO 包含計算機(jī)視覺和非計算機(jī)視覺工作負(fù)載。通過其眾多功能，它確保了最大的性能并加快了應(yīng)用程序的開發(fā)。它提供了來自自己的 Open Model Zoo 的預(yù)訓(xùn)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(zhǔn)備。推理引擎允許用戶通過編譯優(yōu)化的網(wǎng)絡(luò)和管理特定設(shè)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。

英特爾的 OpenVINO 工具套件分發(fā)版旨在促進(jìn)和簡化高性能計算機(jī)視覺和深度學(xué)習(xí)推理應(yīng)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(yīng)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(fù)和功能更改。

更新，更清潔的 API

這個新版本使維護(hù)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(fù)雜性。另一方面，在開放式神經(jīng)網(wǎng)絡(luò)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(jī)視覺在內(nèi)的各種深度學(xué)習(xí)模型中輕松部署應(yīng)用程序。以 NLP 為重點，以及額外類別的異常檢測，預(yù)訓(xùn)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(shè)備發(fā)現(xiàn)、負(fù)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(jī)視覺注釋工具

數(shù)據(jù)集管理框架

深度學(xué)習(xí)流媒體

神經(jīng)網(wǎng)絡(luò)壓縮框架

OpenVINO 模型服務(wù)器

OpenVINO 安全插件

培訓(xùn)擴(kuò)展

OpenVINO 的工作原理

圖片來源：Viso.ai

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(yù)訓(xùn)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(shè)置 OpenVINO

在開始實際工作流程之前，請確保您選擇了主機(jī)、目標(biāo)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(xué)習(xí)模型訓(xùn)練框架，它支持TensorFlow、Caffe、MXNet、Kaldi，以及開放神經(jīng)網(wǎng)絡(luò)交換（ONNX）模型格式。

第 1 步：訓(xùn)練模型

第一步是準(zhǔn)備和訓(xùn)練深度學(xué)習(xí)模型。您可以從 Open Model Zoo 中找到預(yù)訓(xùn)練的模型，也可以構(gòu)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(xùn)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(jìn)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(hù)多個代碼路徑。

第 4 步：部署應(yīng)用程序

推理引擎用于部署應(yīng)用程序。使用部署管理器，您可以通過將模型、IR 文件、應(yīng)用程序和相關(guān)依賴項組裝到目標(biāo)設(shè)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(yīng)用程序的體驗，還增強(qiáng)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(xué)習(xí)模型、更多設(shè)備可移植性和更高推理性能且代碼更改更少的應(yīng)用程序。

審核編輯：郭婷