OpenVino入门


他人博客参考:
1. https://yuki-ho.blog.youkuaiyun.com/article/details/104176481
2. https://blog.youkuaiyun.com/u011385476/article/details/104769250/
3.这个博客很推荐: https://www.cnblogs.com/AdaminXie/p/12612695.html

一.下载安装

1.1下载

OpenVino官网下载,会让你注册
在这里插入图片描述

1.2 安装

关于安装,其实可以直接看官方入门文档,无需看我的博客对安装的讲诉,如果你和我一样是在windows下安装openvino,可以继续往下看

1.2.1解压安装程序

打开exe会解压安装程序,安装程序放哪儿都行
在这里插入图片描述

1.2.2 按部就班安装

开始安装,遇到这一步让你选择路径的时候,虽然很能理解你想放D盘的心情,但是为了不给自己添堵,还是放C盘吧,别动它的路径
在这里插入图片描述
当你看到下面这一幕,是缺少依赖项,缺少依赖项暂时不会影响我们的安装
在这里插入图片描述
其余部分,可以一路next,直到finish或者让你重新启动(我选择了立马重新启动,至于这个操作是否必要,可以试一试,我不知道)

1.2.3 安装依赖项

安装依赖项:
1.带有Visual Studio 的Microsoft Visual Studio 2019
或带有MSBuild的2017 CMake 3.10或更高版本的64位
注意:如果要使用Microsoft Visual Studio 2019,则需要安装CMake 3.14。

2.Python的3.6 - 3.8 64位
重要说明:作为此安装的一部分,请确保单击选项以将应用程序添加到PATH环境变量中。

CMake 可以看他人博客进行安装,python及其他环境变量可以使用anaconda虚拟环境

1.2.4 设置环境变量

我使用的是anaconda虚拟环境,所以我先建立了虚拟环境,在虚拟环境中进行接下了的操作
1.用管理员模式打开cmd

cd C:\Program Files (x86)\Intel\openvino_2021.2.185\bin

然后执行:

setupvars.bat

在这里插入图片描述

1.3 验证安装

跳转:

cd C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\demo

执行:

demo_security_barrier_camera.bat

在这里插入图片描述

二.OpenVINO Demos的运行

在 open_model_zoo 文件夹下,OpenVINO 提供了许多 Demo ,让Demo 运行起来。

2.1 编译 build_demos_msvc.bat 文件

跳转:

cd C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\inference_engine\demos

执行:

build_demos_msvc.bat

(ps:如果你机器上并没有python环境,它可能会报错说没有发现python环境,然后cmake不了,那么,这个时候你可能就想去安排一波python环境,但是也可以不用,可以使用vs带的命令行去执行上面的命令)
在这里插入图片描述
在这里插入图片描述

执行后,demo运行文件会在文档文件夹下(注意,不是在openVino文件夹下!!)
进入 Intel 文件夹下的 OpenVINO\omz_demos_build 文件夹,使用 VS2017 打开 Demos.sln 文件。
在这里插入图片描述
进入 VS2017 后,右键点击 ALL_BUILD ,然后点击生成,开始进行编译
在这里插入图片描述
编译完成之后,会在以下目录生成编译的文件
在这里插入图片描述

2.2 添加环境变量

添加以下文件目录到环境变量。如果不添加,执行时会提示缺少 xxx.dll 文件

C:\Program Files (x86)\Intel\openvino_2021.2.185\bin
C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\ngraph\lib
C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\inference_engine\bin\intel64\Release
C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\inference_engine\bin\intel64\Debug
C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\inference_engine\external\tbb\bin
C:\Users\sjsys\Documents\Intel\OpenVINO\omz_demos_build\intel64\Debug
C:\Users\sjsys\Documents\Intel\OpenVINO\omz_demos_build\intel64\Release


在这里插入图片描述

2.3 human_pose_estimation_demo

可以看该demo的官方文档,当然要是看不懂也正常,我就是看不懂才写这博客的嘛

2.3.1下载模型文件

跳转:

C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\tools\model_downloader

执行:需要什么模型就在<model_name>处写就可以了

python  downloader.py --name <model_name>

例如我们需要human-pose-estimation-0001,则执行:

python  downloader.py --name human-pose-estimation-0001

要是报拒绝访问的错,那就是没有用管理员打开命令行
在这里插入图片描述
根据模型存放路径去找到模型在这里插入图片描述

2.3.2 下载视频文件

应该可以用自己的视频,但是如果你想要官方的,也可以爱在哪儿下载哪儿下载

本次使用的是classroom.mp4

2.3.3 执行exe

跳转:

C:\Users\sjsys\Documents\Intel\OpenVINO\omz_demos_build\intel64\Debug

执行:

human_pose_estimation_demo.exe -i C:\Users\sjsys\Desktop\2\classroom.mp4 -m C:\Users\sjsys\Desktop\2\human-pose-estimation-0001.xml -d CPU

-i 参数默认为 cam,使用摄像头作为输入。也可以在 -i 后面加视频文件路径,使用视频输入。
-m 参数为模型文件下的 xml 文件。
-d 参数为使用执行的设备,这里使用 CPU 来执行。在这里插入图片描述
ps:
建议把模型放桌面或者其他地方,emmm,虽然很奇葩,但是我使用默认模型路径时,总是会报错打不开模型文件(好吧,其实可能是路径没有写对,但是换换路径也挺好)

2.4Super Resolution C++ Demo

可以看该demo的官方文档
图片用自己的就行,官方好像也懒得给
下载模型同2.3.1,不过我用的是现成的,从GitHub上直接扒,真香

2.4.1执行exe

跳转

C:\Users\sjsys\Documents\Intel\OpenVINO\omz_demos_build\intel64\Debug

执行

 C:\Users\sjsys\Documents\Intel\OpenVINO\omz_demos_build\intel64\Debug>super_resolution_demo.exe -i C:\Users\sjsys\Desktop\1\2.jpg -m C:\Users\sjsys\Desktop\1\single-image-super-resolution-1033.xml

在这里插入图片描述
结果图:在这里插入图片描述

### OpenVINO 框架介绍 OpenVINO™ 工具包是一个完整的工具集,专为加速高性能计算机视觉和深度学习推理的应用程序开发而设计。该工具包支持异构执行跨CPU、GPU、FPGA和其他专用硬件,从而实现最佳性能[^1]。 #### 主要组件 - **Model Optimizer**: 将不同框架中的模型转换成中间表示(IR),以便于优化和部署。 - **Inference Engine**: 负责管理加载到目标设备上的模型,并提供API来配置输入/输出张量及运行推断过程。 - **预训练模型库 (Open Model Zoo)**: 包含了一系列经过验证的预训练神经网络模型,覆盖了广泛的任务领域,如分类、检测、分割等。 ### 使用教程 对于希望快速入门的新手来说,《OpenVINO™ Notebooks 使用指南》提供了详细的Jupyter Notebook实例,涵盖了从环境搭建到具体案例分析的一系列操作说明。此外,《OpenVINO™ 开源模型动物园(Open Model Zoo)教程》也介绍了如何安装并使用这些预训练模型来进行各种类型的AI任务开发[^3]。 如果关注的是特定编程语言的支持,则有专门针对C#用户的文档《在 MacOS 上使用 OpenVINO™ C# API 部署 Yolov5》,这有助于理解怎样将流行的YOLOv5对象探测器移植至.NET环境中工作[^4];而对于那些倾向于底层控制的人士而言,《OpenVINO C API 使用教程》则展示了更多关于直接调用C函数接口的知识点[^5]。 ### 最佳实践 为了获得最好的效果,在实际项目中应该遵循如下建议: - 始终先尝试官方提供的预训练模型作为起点; - 利用Model Optimizer对自定义或第三方模型做必要的调整以适应目标平台特性; - 根据具体的计算资源情况选择最合适的推理引擎设置参数组合; - 结合其他开源软件比如OpenCVSharp或者EmguCV增强图像处理能力,提高整体解决方案的质量。 ```csharp // 示例:使用OpenVINO C# API初始化YOLOv5模型 using InferenceEngine; Core ie = new Core(); CNNNetwork network = ie.ReadNetwork("yolov5.xml", "yolov5.bin"); ExecutableNetwork executable_network = ie.LoadNetwork(network, "CPU"); ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值