社区贡献者分享 | OpenVINO™ 代码贡献助力我的开源之路

最新推荐文章于 2025-10-24 06:59:30 发布

原创

最新推荐文章于 2025-10-24 06:59:30 发布 · 991 阅读

18 ·

CC 4.0 BY-SA版权

文章标签：

#openvino #开源 #neo4j #人工智能

点击蓝字

关注我们,让开发变得更有趣

作者 | 占俊坚

排版 | 李擎

摘要

在 OpenVINO™ 2024.1 release 版本中，我为 OpenVINO™ 添加了 TensorFlow 中的 Rint operation 以及 PyTorch 中的 aten::bucketize operation 的支持，在此分享我的实现过程，给有兴趣参与 OpenVINO™ 开源项目的同学参考，希望大家都能积极参与到社区建设当中来！

OpenVINO™ 代码贡献持续开放中，感兴趣的同学可以点击“化身英特尔‘Issues 猎手’，共创百万用户开源生态！”了解详情。

OpenVINO™

介绍

OpenVINO™ 中用来支持 TensorFlow 模型的前端组件称为 TensorFlow Frontend (简称“TF FE” )。TF FE 将一个用 TensorFlow opset 表示的模型转成用 OpenVINO™ opset 表示的模型。为了支持模型中含有 Rint 操作的模型的推理，TF FE 需要支持这个操作。同理 PyTorch 前端需要支持 aten::bucketize 操作。

TensorFlow opset ：

https://www.tensorflow.org/api_docs/python/tf/raw_ops

OpenVINO™ opset：

https://docs.openvino.ai/archive/2023.2/openvino_docs_ops_opset13.html

Rint：

https://www.tensorflow.org/api_docs/python/tf/raw_ops/Rint

OpenVINO™

TensorFlow operation 开发过程

1.在 TF FE 的 op 目录为 Rint 实现对应的 loader

一个 loader 负责对一种 TensorFlow 操作进行转换。loader 的职责就是解析 operation 的 attributes，读取输入，并通过 OpenVINO™ 已有的 operations 去表达。以我的实现为例，我实现了 src/frontends/tensorflow_common/src/op/rint.cpp 文件，内容如下：

// Copyright (C) 2018-2024 Intel Corporation
// SPDX-License-Identifier: Apache-2.0
//


#include "common_op_table.hpp"
#include "openvino/op/round.hpp"


using namespace std;
using namespace ov::op;


namespace ov {
namespace frontend {
namespace tensorflow {
namespace op {


OutputVector translate_rint_op(const NodeContext& node)