OpenVINO安装记录（Ubuntu18.04）

太阳花的小绿豆

已于 2022-06-14 16:10:27 修改

阅读量3.7k

点赞数 8

分类专栏： python项目深度学习软件安装文章标签： ubuntu openvino 推理优化器

于 2020-09-03 14:22:21 首次发布

本文链接：https://blog.csdn.net/qq_37541097/article/details/108374828

版权

深度学习同时被 3 个专栏收录

53 篇文章

订阅专栏

软件安装

26 篇文章

订阅专栏

python项目

7 篇文章

订阅专栏

首先贴出openvino官网链接，里面有各种系统的安装教程（Linux、windows、macOS）。本教程以ubuntu18.04为例。

0. 硬件需求

在官方Install Intel Distribution of OpenVINO toolkit for Linux* OS模块中，有给出硬件以及软件的需求，看不惯英文的可以点击右上角的中文文件有中文的教程。
requirementes

1. openvino的下载

首先贴出下载链接，在链接中需要填写个人信息才能下载。
这里贴出我下载好（2020.4.287版本的），并存在网盘里的链接: https://pan.baidu.com/s/1uBx38-rODZ7FAF3WS5yKPg 密码: igmt

openvino download

2. openvino的安装

1 进入下载文件目录
2 解压文件

tar -xvzf l_openvino_toolkit_p_2020.4.287.tgz

3 进入解压后的文件夹
4 启动安装程序，官方提供了两种安装脚本，一种是图形界面安装，一种是命令行安装，这里建议安装到当前用户目录下，所以执行脚本时，不要加sudo（如果要安装到/opt根目录下，需要加sudo）。
图形界面安装: ./install_GUI.sh
命令行安装：./install.sh
这里以图形界面安装为例，根据左边的流程一步一步来就行了，我直接按照系统默认进行安装，在Configuration步骤中有个Customize选项，选择自己要安装的地方。如果使用sudo启动的脚本默认安装在/opt/intel/文件夹下：

注意：如果是默认安装在/opt根目录下建议修改下该文件夹的权限：

 sudo chmod 777 -R /opt/intel/openvino

如果后面要使用python虚拟环境，不要使用sudo python / sudo python3这样的指令，因为加了sudo后调用的python环境可能是系统自带的pyhton，不是自己的设置虚拟环境中的python，需要注意下。

3 安装额外的软件依赖环境

1 进入到openvino/install_dependencies文件夹下打开命令行窗口

cd ~/intel/openvino/install_dependencies

2 执行脚本，下载依赖

sudo -E ./install_openvino_dependencies.sh

install dependencies

4 设置系统环境

对于临时设置（关闭终端后就失效），可使用以下指令

source ~/intel/openvino/bin/setupvars.sh

对于永久设置，需要将以上指令添加到用户的.bashrc文件中：
进入用户的``.bashrc```文件

vim ~/.bashrc

在文件的最后加上一行加上source setupvars.sh指令，保存退出

source ~/intel/openvino/bin/setupvars.sh

设置成功后，只要打开终端就会看到openvino的提示：

openvino setting

5 模型优化器配置

5.1 官方安装流程（不推荐）

首先说下官方的方式（个人不推荐，因为官方的脚本是在系统自带的python环境中进行安装的，建议在个人虚拟环境中使用，如果使用虚拟环境直接跳到5.2）

如果一次性安装所有支持的框架（Caffe, TensorFlow, MXNet, Kaldi*, and ONNX），直接执行：

cd ~/intel/openvino/deployment_tools/model_optimizer/install_prerequisites
sudo ./install_prerequisites.sh

或者只安装你自己使用到的框架，同样是在install_prerequisites文件夹下：

对于Caffe：

sudo ./install_prerequisites_caffe.sh

对于Tensorflow

sudo ./install_prerequisites_tf.sh

对于MXNet：

sudo ./install_prerequisites_mxnet.sh

对于ONNX：

sudo ./install_prerequisites_onnx.sh

对于Kaldi：

sudo ./install_prerequisites_kaldi.sh

5.2 使用conda虚拟环境安装（建议）

这个方法不是官方提供的，是我自己使用的方法。官方也提供了使用virtualen虚拟环境的安装方式，但我用的是anaconda，所以无法直接使用。

因为自己的python环境都是配置好的，为了安装后不影响原来的环境，所以先创建一个虚拟环境，名叫openvino，是python3.7的环境：

conda create -n openvino python=3.7

创建完成后，进入虚拟环境：

conda activate openvino

进入到model_optimizer目录：

cd ~/intel/openvino/deployment_tools/model_optimizer

如果你要一次性安装所有支持框架，使用以下指令：

pip install -r requirements.txt

如果你只想安装你需要用的框架，从以下指令中选择使用：

对于Caffe：

pip install -r requirements_caffe.txt

对于Tensorflow

pip install -r requirements_tf.txt

对于MXNet：

pip install -r requirements_mxnet.txt

对于ONNX：

pip install -r requirements_onnx.txt

对于Kaldi：

pip install -r requirements_kaldi.txt

6 测试安装

在安装完以上步骤后，官网给了一些示例进行测试。当然你懒得测试可以直接跳过，该干嘛干嘛吧。

6.1 测试1

第一个测试是使用caffe的squeezenet模型进行预测，进行该测试过程中需要联网下载一些资源，注意，如果在上一步没有安装caffe框架相关的pyhton包，需要pip install安装一下。
首先进入demo目录：

cd ~/intel/openvino/deployment_tools/demo

然后执行demo shell脚本：

./demo_squeezenet_download_convert_run.sh

在我自己使用该脚本中遇到了些问题，当然希望你们不会遇到，如果遇到可以参考下我的：

提示无法访问raw.githubusercontent.com网址
我ping了下这个网址，发现无法解析，然后就自己查了下该网址的服务器ip地址，然后添加到hosts文件中，注：该网址可能会变，自己使用的时候可以再查下。查询网址

199.232.68.133 raw.githubusercontent.com

缺少一些python依赖包
这个问题很简单，如果提示缺少什么包就pip install一下就行了。

跑完这个脚本后在终端会输出类似以下预测信息：
demo1

6.2 测试2

同样是在demo文件夹中，我们执行第二脚本demo_security_barrier_camera.sh

./demo_security_barrier_camera.sh

运行成功后会显示以下结果：
demo2

7 卸载

直接在解压的文件夹下执行install_GUI.sh脚本（和安装脚本是同一个文件），然后选择Uninstall the product即可。

在这里插入图片描述

到此整个安装过程就算结束了，后面再抽空更新些使用教程。