오픈 VINO
OpenVINO원저작자 | Intel Corporation, |
---|---|
개발자 | 인텔 코퍼레이션 |
초기 릴리즈 | 2018년 5월 | , 전(
안정된 릴리스 | 2022.1 / 2022년 [1]3월 |
저장소 | github |
기입처 | C++, Python |
운영 체제 | 크로스 플랫폼 |
면허증. | Apache 라이센스 2.0 |
웹 사이트 | docs |
OpenVINO 툴킷(Open Visual Inference and Neural network Optimization)은 프레임워크에서 딥 러닝 모델을 최적화하고 추론 엔진을 사용하여 [2]인텔 하드웨어에 도입할 수 있는 무료 툴킷입니다.이 툴킷에는 OpenVINO 툴킷의 2가지 버전이 있습니다.오픈 VINO 툴킷은 오픈 소스 커뮤니티에서 지원되며 인텔이 지원하는 OpenVINO 툴킷의 인텔 디스트리뷰션입니다.OpenVINO는 인텔에 의해 개발되었습니다.이 툴킷은 크로스 플랫폼이며 Apache License 버전 2.[3]0에서 무료로 사용할 수 있습니다.이 툴킷을 사용하면 CPU, 통합 GPU, 인텔 Movidius VPU, FPGA 등 인텔 플랫폼에서의 딥 러닝 도입에 대해 1회성 도입으로 어디서나 도입할 수 있습니다.
개요
OpenVINO의 개략적인 파이프라인은 2개의 부분으로 구성되어 있습니다.트레이닝된 모델 또는 퍼블릭 모델을 사용하여 모델 옵티마이저를 통해 IR(중간 표현) 파일을 생성하고 지정된 플러그인(CPU, 인텔 프로세서 그래픽스, VPU, GN, 멀티 디바이스 플러그인, 이기종 플러그인)[4]에서 추론 엔진을 실행합니다.
툴킷의 Model Optimizer는 훈련받은 모델을 원래 프레임워크에서 OpenVINO 형식(IR)으로 변환하여 향후 지원되는 디바이스에서 추론할 수 있도록 최적화하는 크로스 플랫폼 도구입니다.그 결과 Model Optimizer는 *.bin 및 *.xml의 두 개의 파일을 생성합니다.이 파일은 각각 가중치와 모델 구조를 포함합니다.
툴킷의 Inference Engine은 디바이스에서 입력을 추론하고 결과를 얻기 위한 C++ 라이브러리입니다.OpenVINO API를 더 잘 이해하기 위해 OpenVINO를 사용하는 방법을 보여주는 샘플이 많이 있습니다.
OpenVINO에는 분류, 객체 감지, 스타일 전송, 음성 인식 등 다양한 샘플 유형이 있습니다.공개 모델에 대한 추론을 시도할 수 있습니다. 작업에는 다음과 같은 다양한 모델이 있습니다.
- 분류
- 세그멘테이션
- 물체 검출
- 얼굴 인식
- 인간 자세 추정
- 단안 깊이 추정
- 이미지 인페인팅
- 스타일 전송
- 동작 인식
- 색채화
이 모든 모델은 학습 목적 또는 딥 러닝 소프트웨어 개발에 사용할 수 있습니다.Open Model Zoo는 Apache 라이센스 버전 2.0으로 라이센스가 부여됩니다.
인텔®Distribution of OpenVINO 툴킷 내의 모델 최적화와 런타임의 주요 컴포넌트와 더불어 툴킷에는 모델 분석과 실험을 지원하는 딥 러닝 워크벤치라는 사용자 친화적인 웹 브라우저 인터페이스도 포함되어 있습니다.또한 트레이닝 후 최적화 툴은 m을 변환하여 추론을 고속화합니다.정밀도가 낮고 재교육(예: 교육 후 양자화)이 필요 없는 기능, 스트리밍 분석 파이프라인 상호 운용성을 지원하는 Deep Learning Streamer, 서비스 마이크로 서비스를 통한 확장성을 지원하는 OpenVINO Model Server, Neural Network Compression Fram과 같은 Training Extensions 등의 추가 기능ework 및 온라인 대화형 비디오 및 이미지 주석 도구인 Computer Vision Annotation Tool이 있습니다.
OpenVINO에는 문서용 웹 페이지와 다운로드용 웹 페이지가 있습니다.
지원되는 프레임워크 및 형식
프로그래밍 언어
OpenVINO는 C++와 Python으로 작성됩니다.
OS 지원
OpenVINO는 다음 데스크톱 운영 체제에서 실행됩니다.Windows, Linux 및 MacOS.
OpenVINO는 라즈베리 파이에서도 작동합니다.[5]
「 」를 참조해 주세요.
레퍼런스
- ^ "Release Notes for Intel Distribution of OpenVINO toolkit 2022". March 2022.
- ^ 난자파(2019), 페이지 91.
- ^ "OpenVINO Toolkit: Welcome to OpenVINO".
- ^ "Introduction to Intel Deep Learning Deployment Toolkit – OpenVINO Toolkit".
- ^ Wilbur, Marcia. "Use the Model Downloader and Model Optimizer for the Intel® Distribution of OpenVINO™ Toolkit on Raspberry Pi*".
- Agrawal, Vasu (2019). Ground Up Design of a Multi-modal Object Detection System (PDF) (MSc). Carnegie Mellon University Pittsburgh, PA. Archived (PDF) from the original on 26 January 2020.
- Driaba, Alexander; Gordeev, Aleksei; Klyachin, Vladimir (2019). "Recognition of Various Objects from a Certain Categorical Set in Real Time Using Deep Convolutional Neural Networks" (PDF). Institute of Mathematics and Informational Technologies Volgograd State University. Archived (PDF) from the original on 26 January 2020. Retrieved 26 January 2020.
{{cite journal}}
:Cite 저널 요구 사항journal=
(도움말) - Nanjappa, Ashwin (31 May 2019). Caffe2 Quick Start Guide: Modular and scalable deep learning made easy. Packt. pp. 91–98. ISBN 978-1789137750.