openvino 2022.1踩坑历程

1.git克隆

git clone GitHub - openvinotoolkit/openvino: OpenVINO™ Toolkit repository

可能会clone不下来

2种方法:

1)使用工具GitHub - dotnetcore/FastGithub: github加速神器,解决github打不开、用户头像无法加载、releases无法上传下载、git-clone、git-pull、git-push失败等问题

2)到gitee搜索并找到链接克隆

git clone https://gitee.com/openvinotoolkit-prc/openvino.git

2.克隆子模块

git submodule update --init

这里说一下这个命令实际执行的操作:.gitmodules中的submodule信息会写入到.git/config中,并在.git\modules及根目录生成对应文件夹。

[submodule "ncc"]
    path = cmake/developer_package/ncc_naming_style/ncc
    url = https://github.com/nithinn/ncc.git

会生成.git\modules\ncc及cmake/developer_package/ncc_naming_style/ncc文件夹

所以如果某个clone失败,可以修改.git/config及删除对应2目录后再次执行git submodule update --init

3.cmake生成工程并编译:略

4.警告被视为错误 - 没有生成“object”文件

解决办法:
项目,右击选择属性->配置属性->c/c++->常规,将“警告视为错误”的选项改为“否”

错误 error C2220: 警告被视为错误 - 没有生成“object”文件_全栈技术博客的博客-CSDN博客_c2220错误

5.超过允许的最大大小 FFFFFFFF...

用完了堆空间,正在重启与 64 位链接器的链接...

上执行内存映射文件 I/O,即将重启与 64 位链接器的链接以实现更好的吞吐量...

解决方法:

找到工程项目的xxx.vcxproj文件,打开这个文件找到<PropertyGroup>的“Globals”项,加上一句: <PreferredToolArchitecture>x64</PreferredToolArchitecture>,修改为:

 <PropertyGroup Label="Globals">
    <ProjectGuid>{5AECBE41-FF08-4E28-9816-0797926F303B}</ProjectGuid>
    <Keyword>Win32Proj</Keyword>
    <RootNamespace>mayProject</RootNamespace>
    <WindowsTargetPlatformVersion>8.1</WindowsTargetPlatformVersion>
    <PreferredToolArchitecture>x64</PreferredToolArchitecture>
  </PropertyGroup>

修改后重新打开该加载项目,重新编译即可。
 

link.exe)用完了堆空间_friendan的博客-CSDN博客

6.模型转换

1)转换环境安装:

cd openvino\tools\mo

pip3 install -r requirements_onnx.txt

python setup.py develop

2)转换命令

mo --input_model 模型路径 --data_type FP16 --mean_values [127.5,127.5,127.5] --scale 128.0 --reverse_input_channels

7.一些依赖下载地址:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
YOLOv5是一种流行的目标检测算法,而OpenVINO 2022是一款用于深度学习模型部署和加速推理的工具包。结合使用YOLOv5和OpenVINO 2022可以实现高效的目标检测应用部署。 使用OpenVINO 2022部署YOLOv5的推理有以下步骤: 1. 安装OpenVINO 2022:首先需要下载和安装OpenVINO 2022工具包。安装完成后,配置OpenVINO的环境变量等设置。 2. 模型转换:YOLOv5的原始模型是使用PyTorch训练的,为了能够在OpenVINO中进行推理,需要将模型转换为OpenVINO支持的IR(Intermediate Representation)格式。可以使用OpenVINO提供的Model Optimizer工具来完成模型转换,具体命令如下: ```bash mo.py --input_model <path_to_yolov5_model> --model_name yolov5 -o <output_dir> --data_type FP16 ``` 这里的`<path_to_yolov5_model>`是原始YOLOv5模型的路径,`<output_dir>`是转换后的IR模型的输出目录,`--data_type`指定了推理过程中使用的数据精度,可以根据需求选择FP16或FP32。 3. 推理应用开发:根据使用场景和需求,使用OpenVINO提供的API开发推理应用程序。可以使用C++、Python等主流编程语言进行开发,OpenVINO提供了相应的API接口供开发者使用。开发过程中需要加载转换后的模型文件,并进行图像的预处理、推理计算等操作。 4. 编译和优化:使用OpenVINO提供的Model Optimizer工具,可以对推理应用进行编译和优化,以提高推理性能。具体命令如下: ```bash mo.py --input_model <model_xml> --model_name yolov5 --output_dir <output_dir> --data_type FP16 --batch 1 ``` 这里的`<model_xml>`是前面转换得到的IR模型的路径,`<output_dir>`是优化后的模型文件的输出目录,`--batch`指定了模型的批处理大小,可以根据需求进行调整。 5. 部署和推理:在部署和推理阶段,可以将优化后的模型和开发的应用程序部署到目标设备上,并进行推理计算。OpenVINO提供了适用于多种硬件平台的推理引擎,可以选择合适的推理引擎来进行部署。 综上所述,使用OpenVINO 2022部署YOLOv5的推理需要进行模型转换、推理应用开发、编译和优化等步骤。通过结合YOLOv5和OpenVINO 2022,可以实现高效的目标检测应用部署和推理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值