1. 介绍
OpenVINO 是英特尔基于自身现有的硬件平台开发的一种可以加快高性能计算机视觉和深度学习视觉应用开发速度工具套件,支持各种英特尔平台的硬件加速器上进行深度学习,并且允许直接异构执行。 支持在 Windows 与 Linux 系统,Python/C++ 语言。
https://docs.openvinotoolkit.org/cn/latest/openvino_docs_install_guides_installing_openvino_linux.html
2. 下载安装
安装用于 Linux * 的英特尔 ®OpenVINO™ 工具包
进入用于 Linux * 的英特尔 ®OpenVINO™ 工具包下载,从下拉菜单中选择用于 Linux 软件包的英特尔®OpenVINO™ 工具包发行版后进入 注册界面 注册下载。
或者使用推荐的版本 l_openvino_toolkit_p_2020.1.023.tgz
1. 打开命令提示符/终端窗口。
`Ctrl` + `Alt` +`t`
2. 将目录更改为您下载 Intel OpenVINO发行版工具包 的位置。
如果您将软件包文件下载到当前用户的Downloads
目录:
cd ~/Downloads/
mkdir openvino_install && cd openvino_install
3. 安装下载工具
sudo apt install wget -y
4. 下载 压缩包
wget http://registrationcenter-download.intel.com/akdlm/irc_nas/16345/l_openvino_toolkit_p_2020.1.023.tgz
5. 解压
tar --strip-components=1 -zxvf l_openvino_toolkit_p_2020.1.023.tgz
6. 安装
sudo ./install.sh # 安装openvino
# 完成后,您可以继续执行 "rm -r ~/Downloads/openvino_install"
- 我们看到的第一个屏幕是 EULA, 按
Enter
, 滚动后输入accept
即可。 - 下一个是同意英特尔软件改进计划,这没有关系,所以你可以选择是否同意 (
1
) 或不同意 (2
) 。 - 接下来,您可能会看到“缺少必要文件”的画面,显示
Intel® Graphics Compute Runtime for OpenCL™ Driver is missing
- 你可以继续并忽略这个警告。 - 最后,我们会看到安装总结–请确认它指出的位置是否正确 -
/opt/intel
。 如果一切看起来都很好,继续进行 (1
). 如果再次出现缺少必要文件的提示,请随意跳过。
如果喜欢GUI安装,可以运行
sudo ./install_GUI.sh
默认安装即可(一路
next
)
使用 APT 存储库安装适用于Linux *的OpenVINO™工具包的英特尔®发行版
1. 设置存储库
- 为存储库安装 GPG 密钥
cd ~/Downloads/
wget https://apt.repos.intel.com/openvino/2020/GPG-PUB-KEY-INTEL-OPENVINO-2020
sudo apt-key add GPG-PUB-KEY-INTEL-OPENVINO-2020
- 添加APT存储库
echo "deb https://apt.repos.intel.com/openvino/2020 all main" | sudo tee /etc/apt/sources.list.d/intel-openvino-2020.list
2. 安装
sudo apt update
sudo apt install -y intel-openvino-runtime-ubuntu18-2020.1.023 intel-openvino-dev-ubuntu18-2020.1.023
安装依赖包
cd /opt/intel/openvino_2020.1.023/install_dependencies
./install_openvino_dependencies.sh
启动环境
source /opt/intel/openvino/bin/setupvars.sh
3. 下载并安装 Python
推荐使用 miniconda
安装 python
下载地址:Miniconda3-py37_4.9.2-Linux-x86_64.sh
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py37_4.9.2-Linux-x86_64.sh
chmod +x Miniconda3-py37_4.9.2-Linux-x86_64.sh
./Miniconda3-py37_4.9.2-Linux-x86_64.sh
设置国内镜像加速
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
注意:
添加完后,找到 .condarc 文件,删除里面的 defaults,这样能快点。
4. 配置模型优化器
1. 创建 python
虚拟环境
conda create -n openvino python=3.7 -y
2. 激活环境
conda activate openvino
3. 在虚拟环境中设置环境变量
-
进入该虚拟环境目录并创建以下子目录和文件:
cd $CONDA_PREFIX mkdir -p ./etc/conda/activate.d # 激活环境时此文件夹下文件生效 mkdir -p ./etc/conda/deactivate.d # 停用环境时此文件夹下文件生效 touch ./etc/conda/activate.d/env_vars.sh touch ./etc/conda/deactivate.d/env_vars.sh
-
编辑
./etc/conda/activate.d/env_vars.sh
:vi ./etc/conda/activate.d/env_vars.sh
#!/bin/sh # OpenVINO 安装目录 export OPENVINO_HOME="/opt/intel/openvino" # OpenVINO 常用工具目录 export OPENVINO_TOOLS=$OPENVINO_HOME/deployment_tools # 激活 OpenVINO 环境 source $OPENVINO_HOME/bin/setupvars.sh # open_model_downloader - Open Model Zoo 模型下载器 export OMD="$OPENVINO_TOOLS/open_model_zoo/tools/downloader/downloader.py" # open_model_converter - Open Model Zoo 模型转换器 export OMC="$OPENVINO_TOOLS/open_model_zoo/tools/downloader/converter.py" # myriad_compile - MyriadX 模型编译器 export MC="$OPENVINO_TOOLS/inference_engine/lib/intel64/myriad_compile"
4. 进入目录
cd /opt/intel/openvino_2020.1.023/deployment_tools/model_optimizer/
5. 安装
pip install -r requirements.txt
6. 设置国内镜像加速
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
7. 也可以根据需要运行对应的脚本
Caffe
:pip install -r requirements_caffe.txt
TensorFlow
:pip install -r requirements-tf.txt
ONNX
(Caffe2
,PyTorch
,MXNet
,ML. NET
,TensorRT
,Microsoft CNTK
) :pip install -r requirements_onnx.txt
MXNet
:pip install -r requirements_mxnet.txt
Kaldi
:pip install -r requirements_kaldi.txt
5. 测试
1. 进入目录:
cd /opt/intel/openvino_2020.1.023/deployment_tools/demo
2. 下载并将转换caffe模型为Intermediate Representation (IR)文件,并运行图像分类测试
./demo_squeezenet_download_convert_run.sh
3. 下载预训练模型用于车辆检测与车辆属性识别和车牌检测与车牌识别
./demo_security_barrier_camera.sh # 车牌