Openvino Linux 2022新版本（2.0）安装与运行sample流程

        安装openvino就是无限踩坑的流程，现在用两种方式安装完毕，分享一下经验。

新版OPENVINO需要安装转换模型的工具以及本体。下载链接如下

下载英特尔® 发行版 OpenVINO™ 工具套件 (intel.cn)

1.工具的安装

根据自己的需要选择需要的模块框架，用PIP安装即可。

2.本体安装

在同一页面选择运行时（runtime）的安装，也是根据自己需要选择。（本人第一次选择归档文件安装，第二次选择git安装，后面git安装出现了问题，拷贝了归档文件中的python文件夹解决）

如果只需要Python版本则也可以PIP安装。需要C++版本则 需要git等其他方法安装。

（本人网络环境较差，git怎么都安装不下来，后面选择归档文件安装，第二次安装则选择git安装，下载安装后的手册如下跟着手册流程走即可。）

1.直接下载压缩包Install OpenVINO™ Runtime on Linux from an Archive File — OpenVINO™ documentation — Version(2022.2)

2.git

BuildingCode · openvinotoolkit/openvino Wiki (github.com)

1.直接下载压缩包结束后的安装步骤：

下载后解压压缩包，调用

文件夹内的setupvars.sh初始化环境，

2.通过git安装后的步骤

1.选好要安装的文件夹后直接通过官网的git连接直接克隆到本地。克隆结束后进行build.

我们需要为系统下载submodule。

如果对自己网络比较有自信的话，可以直接从git克隆。

git clone https://github.com/openvinotoolkit/openvino.git
cd openvino
git submodule update --init --recursive

如果觉得网络不太好可以使用从gitee更新的脚本

cd openvino
chmod +x scripts/submodule_update_with_gitee.sh
./scripts/submodule_update_with_gitee.sh

（我使用的就是gitee更新的脚本，动不动连接失败，重复运行脚本几十次后终于全部都安装完毕了）

2.给安装依赖的脚本运行权限，之后运行脚本

chmod +x install_build_dependencies.sh

./install_build_dependencies.sh

 3.创建build文件夹并且在文件夹内运行CMAKE

  mkdir build && cd build

  cmake -DCMAKE_BUILD_TYPE=Release ..
  make --jobs=$(nproc --all)

（第三步还有一些附加选项，有需要可以整一下）

Build结束后就进入安装流程了。

cmake --install <BUILDDIR> --prefix <INSTALLDIR>

其中builddir为你的Build文件夹目录  installdir为你的openvino目录，如

cmake --install xx/xx/xx/openvino/build --prefix xx/xx/xx/openvino

结束后进入samples/cpp中，运行build_sample.sh

cd <INSTALLDIR>/samples/cpp
./build_samples.sh

5.之后需要根据之前分别下的开发工具进行下载模型

omz_downloader --name googlenet-v1 --output_dir ~/models

该命令可以下载googlenet-v1模型 至~/models文件夹内，你也可以下载到自己想要的文件夹。

下载的模型为caffe格式，不能直接运行。需要进行下一步的转换。

 
mo --input_model ~/models/public/googlenet-v1/googlenet-v1.caffemodel --data_type FP16 --output_dir ~/ir

input_model后面跟模型文件的地址，data_type为指定模型精度，可以省略。output_dir为输出的ir模型地址

 简单点就是  

mo --input_model xxxx/googlenet-v1.caffemodel  --output_dir xxxx/output/

转换之后的模型格式为ir格式，为openvino自己的模型格式，运行时输入.xml文件地址即可运行（它也直接支持onnx格式的模型）

6.在下一步运行openvino文件夹下的setupvars.sh对环境进行初始化。

source ./setupvars.sh

（我之前在这报错python环境有问题，拷贝归档文件中的python文件夹解决，系统提示安装python依赖也可以解决问题，但是没有尝试）

如果环境初始化成功只会输出初始化成功，如果有警告报错等均为初始化失败。

7.运行

cd ~/inference_engine_cpp_samples_build/intel64/Release
./classification_sample_async -i ~/Downloads/dog.bmp -m ~/ir/googlenet-v1.xml -d CPU

上面代码含义为转到release文件夹中。运行classification_sample_async，使用dog.bmp图片与googlenet-v1.xml模型，使用CPU进行推理。如果你生成的sample程序在其他文件夹的话，简化一下就是

./classification_sample_async   XXXXXX/dog.bmp xxxxxx/googlenet-v1.xml（onnx也可以）  CPU

 即可运行并输出结果