干货 | 基于 OpenVINO Python SDK 环境配置与运行

干货 | 基于 OpenVINO Python SDK 环境配置与运行

图文：苏孝利
排版：江艳玲

一、Anaconda

1.1介绍
Anaconda是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 因为包含了大量的科学包，解决了初学者用"pip install"安装存在冗长的软件安装列表以及相关的依赖库等问题，让用户能够较为方便管理并行python以及过程所需要的各种库。

1.2 适用平台
Anaconda适用平台：
Windows
Linux
MacOS

1.3下载网址
https://www.anaconda.com选择64-Bit Graphical Installer (466 MB)进行下载安装

1.4 安装Anaconda

1.4.1 安装Anaconda之前，要先检查系统是否安装过Python，若有安装过请先卸载后再安装
1.4.2 双击Anaconda进行安装，首先弹出安装对话框如下图所示：

1.4.3 在弹出的安装许可界面上，选择"Agree"即可

1.4.4 用户选项中，选择"Just Me"

1.4.5 安装路径选项中，保持默认设置即可。

1.4.6 高级设置选项中，务必选中"Add Anaconda to my PATH environment varialbe" ，这样在安装Anaconda的时候就会自动添加PATH环境变量。然后单击"Install"进行安装

1.5 测试Anaconda

• “开始 → Anaconda3（64-bit）→ Anaconda Navigator”，若可以成功启动Anaconda Navigator则说明安装成功。
• “开始 → Anaconda3（64-bit）→ 右键点击Anaconda Prompt → 以管理员身份运行”，在Anaconda Prompt中输入conda list，可以查看已经安装的包名和版本号。若结果可以正常显示，则说明安装成功。

二、OpenVINO

2.1 介绍
OpenVINO™工具包可快速部署模拟人类视觉的应用程序和解决方案。该工具包基于卷积神经网络（CNN），可扩展英特尔®硬件的计算机视觉（CV）工作负载，从而最大限度地提高性能。OpenVINO™工具包包括深度学习部署工具包（DLDT）。
主要特点：

• 在Intel平台上提升计算机视觉相关深度学习性能达19倍以上
• 解除CNN-based的网络在边缘设备的性能瓶颈
• 对OpenCV，OpenXV*视觉库的传统API实现加速与优化
• 基于通用API接口在CPU、GPU、FPGA等设备上运行加上
• OpenVINO工具包(ToolKit)主要包括两个核心组件，模型优化器(Model Optimizer)和（Model Optimizer）。

2.2 适用平台

• Windows
• Linux
• MacOS
• FPGA

2.3 下载网址
https://software.seek.intel.com/openvino-toolkit?os=windows 注册并下载对应平台的OpenVINO软件

2.4 安装OpenVINO
2.4.1 双击应用程序执行安装，首先会弹出安装模块选择与安装路径的操作，如下图所示

2.4.2 在弹出的安装许可界面上，选择同意即可

2.4.3 关于系统Cmake的检测，系统会自动检测是否安装过Cmake以及对应的版本，这一步可以跳过，后面再安装。

2.5 安装Cmake

2.5.1 进入网址：https://cmake.org/ 下载最新的Cmake版本，一般来说>3.14即可。
2.5.2 双击运行程序，按上述方法单击。
2.5.3 在弹出安装选项的时候，选择"Add Cmake to the system PATH for all users"，这时候系统会自动将Cmake添加到系统环境变量PATH中去，方便其它软件找到Cmake。

2.6 安装Microsoft Visual Studio 2019
具体安装方法与事项请参考网上教程即可。

2.7 测试
安装完成后，找到安装目录下的"C:\Intel\openvino_2020.1.033\bin" ，在路径上单击，输入"cmd"，弹出窗口，输入"setupvars.bat"来确认环境是否配置好。

三、Python SDK安装

安装：
直接把OpenVINO安装好的目录下Python文件夹下面对应的openvino 文件夹 copy到Anaconda下面python的\Lib\site-packages文件夹内即可。例如我的为：
C:\Intel\openvino_2020.1.033\python\python3.7下面openvino直接copy到Anaconda下python3.7的\Lib\site-packages中即可。
如果导入遇到DLL无法加载错误，请在系统环境变量中添加：

1. C:\Intel\openvino_2020.1.033\deployment_tools\ngraph\lib
2. C:\Intel\openvino_2020.1.033\deployment_tools\inference_engine\external\tbb\bin
3. C:\Intel\openvino_2020.1.033\deployment_tools\inference_engine\bin\intel64\Release
4. C:\Intel\openvino_2020.1.033\opencv\bin

3.1 将下载好的模型文件复制到C盘根目录下。

3.2 打开OpenVINO路径下的Python Sample文件夹，路径地址"C:\Intel\openvino_2020.1.033\deployment_tools\inference_engine\samples\python\object_detection_sample_ssd" 进行人脸识别。

在路径栏上单击，输入"cmd"，弹出命令窗口。

3.3 输入"python object_detection_sample_ssd.py -h"显示需要补充的参数项，如下图所示，主要包括-m(模型路径)、-i(输入图像路径)、-d(处理平台选择，默认是CPU)

3.4 本教程主要演示基于CPU平台的人脸识别的例子，如下图所示，输入命令"python object_detection_sample_ssd.py -m C:\Intel\face-detection-adas-0001\FB16\face-detection-adas-0001.xml -i C:\Intel\face-detection-adas-0001\description\1.png -d CPU"即可

3.5 运行过程有可能提示缺少组件，请按"pip install"执行安装并重新运行命令

3.6 运行完成后在本地目录会产生out.png图片，该图片是已识别出人脸的区域，如下图所示：

原文发布于2020-06-22：干货 | 基于 OpenVINO Python SDK 环境配置与运行

关注我们，让开发变得更有趣~👇

微信号：openvinodev
B站：OpenVINO 中文社区