基于 OpenVINO™ 的 AI 视觉应用基础课学习笔记（四）深度学习开发环境搭建：安装 PyTorch、Anaconda、Open VINO

PyTorch

概述

Torch 的 Python版本，Facebook 开源的神经网络框架，专门针对GPU加速的 DNN 编程。Torch 语言采用LUA，而 TensorFlow 支持Python，因而 PyThorch 被开发出来以提升竞争力。

工作流程非常接近 Numpy。

优缺点

优点：上手容易、代码简洁、发展迅速，现已支持 TPU、API 相对稳定。

缺点：没有 Keras API 那样简洁、一些功能比较难以实现。

安装Anaconda

Anaconda 是一个开源的 Python 发行版本，包含了大量的科学包及其依赖项。它是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并在不同的环境之间切换。

进入 Anaconda 官网（www.anaconda.com），选择Products，Individual Edition。

在右侧选择版本来下载，Windows 版直接点绿色按钮就可以，MacOS 和 Linux 版本在页面底部也都有。

下载完成后打开安装程序安装，这里注意可以修改安装路径，并且后面的添加环境变量一定要勾选。

完成后，按下 win 键，输入 anaconda，打开 Anaconda Prompt 窗口，执行命令：

conda create -n pytorch python=3.8 其中 python 版本根据你下载 anaconda 时选择的版本来。

当中要你输入（Y/N），输入 y 确定。

安装完成，还是比较顺利的。

安装 PyTorch

进入官网 pytorch.org，点上面的Get Started。

找到这个红白表格，点选你要的版本，在最后一行复制安装命令。

打开一个控制台窗口，把命令粘贴进去，按下回车，即可安装 PyTorch。

同样输入 y 确认，等待安装完成。

随后安装 pytorch 和 torchvision：

conda install PyTorch-cpu=0.4.0

conda install torchvision-cpu

为了验证安装成功，可以在控制台输入 python 进入 python 解释器，再输入 import torch ，若无出错即为安装成功。

PyTorch 实验

张量

初始化张量

1. 从 list 创建

   data = [[1, 2], [3, 4]]
   x_data = torch.tensor(data)
   

2. 从 NumPy 数组创建

   np_array = np.array(data)
   x_np = torch.from_numpy(np_array)
   

3. 从另一个张量拷贝

   x_ones = torch.ones_like(x_data)  # 保留属性
   print(f"Ones Tensor:\n{x_ones}\n")
   x_rand = torch.rand_like(x_data, dtype = torch.float)  # 覆盖属性
   print(f"Random Tensor:\n{x_rand}\n")
   

   除非明确覆盖，否则新张量将保留参数张量的属性（形状、数据类型）。

   上面例子中的torch.ones_like()创建一个元素皆为一的张量，而torch.rand_like创建元素皆为 [0, 1) 之间随机数的张量，由于指定了 datatype，因而数据类型变为了 float。

   官方文档中给出了清楚的解释：

   torch.rand_like(input) is equivalent to torch.rand(input.size(), dtype=input.dtype, layout=input.layout, device=input.device).

4. shape是张量尺寸的元组

   shape = (2,3,)
   rand_tensor = torch.rand(shape)  # 创建一个2*3的张量
   

张量运算

张量运算包括算术、线性代数、矩阵处理（转置、标引、切片）、采样等。

索引和切片

tensor = torch.ones(4, 4)
print('First row:', tensor[0])
print('First column:', tensor[:, 0])
print('Last column:', tensor[..., -1])
tensor[:, 1] = 0
print(tensor)

控制台输出如下：

连接张量

t1 = torch.cat([tensor, tensor, tensor], dim = 1)
print(t1)

这里将 tensor 与自身做了两次连接，dim = 1代表横向。

OpenVINO

下面围绕 OpenVINO 的环境搭建。

下载OpenVINO

地址：英特尔® 发行版 OpenVINO™ 工具套件 (intel.com)

需要保证网速，点击下载之后还要注册，注册完了才能下载。

下载完成后打开 exe ，选择解压路径，点击 extract 进行解压。解压完成后会自动打开其中的 install.exe，

照例选择安装路径，点击 next。

这里提示有缺失的依赖项，不过没关系，可以等安装完成后再补。
（缺失的依赖项照教程上是要跟着 Intel 提供的引导网页来装，不过这个网页似乎并不好用，可以在这里截个图记下来，方便后续也可以自己照着网上的教程安装）

环境搭建

点击 Finish 完成后，在 cmd 中进入到安装目录中的 bin 文件夹，输入 setupvars.bat 即可在本次运行中启动 Open VINO。

命令行一定要用管理员模式打开，不然后面运行示例时 cmake 会报错。

接下来配置 Model Optimizer：

进到 \deployment_tools\model_optimizer\install_prerequisites 目录，运行 install_prerequisites.bat。

验证示例

这玩意坑有点多，可以运行一下看看，实在运行不了就算了:）

如果要运行，建议运行 demo_security_barrier_camera.bat 这个示例，因为另一个 demo_squeezenet_download_convert_run.bat 由于网络原因很难下载成功。

进入到 \deployment_tools\demo 目录下运行 demo_security_barrier_camera.bat，如果最后显示 success 就是配置成功了。

另外，推荐 https://www.bilibili.com/video/BV1iZ4y1K7nL?p=1 这个 up 关于 OpenVINO 的讲解很不错，还有关于示例 bat 文件的具体讲解，值得一看。