【OpenCV+OPENVINO使用】openvino安装教程

转载自文章:巨详细!使用OpenCV和OpenVINO轻松创建深度学习应用

额外内容:修改openvino安装后自带的opencv,改为自己版本的opencv(为了使用opencv_contrib)

第一步:安装OpenVINO

从官网注册并下载OpenVINO开发包的Linux版本:
官网下载地址:
https://software.intel.com/content/www/us/en/develop/tools/openvino-toolkit/choose-download/linux.html

如果下载顺利,你将得到文件名为 l_openvino_toolkit_p_< 版本号>.tgz 的压缩包,为了兼容更多的网络模型,我们选择安装目前最新的OpenVINO版本(OpenVINO-2020.3.194)。

OpenVINO开发包中包含了相应版本的OpenCV,安装OpenVINO时会默认安装OpenCV,因此无需额外安装OpenCV(不带opencv_contrib,如果想使用请安装完后翻到文章最后)。

  1. 解压并安装 OpenVINO 开发包核心组件
    $ tar -xvzf l_openvino_toolkit_p_2020.3.194.tgz
    $ cd l_openvino_toolkit_p_2020.3.194
    运行图形化安装命令: (不用sudo也没有问题,不过/opt/intel会变为~/intel)
    $ sudo ./install_GUI.sh
    然后一路选择“Next”安装默认组件即可。如果一切顺利,安装文件将位于/opt/intel/openvino_2020.3.194/,同时会生成一个符号链接/opt/intel/openvino 指向最新的安装目录。至此,OpenVINO 核心组件安装完成,接下来安装依赖包。

  2. 安装依赖包
    使用 OpenVINO 写一个完整的视觉类应用,除了 OpenVINO 本身之外,还需要安装一些依赖包,包括但不限于 FFMpeg视频框架、CMake 编译工具、libusb(Movidius 神经计算棒 插件需要用到)等。
    安装步骤如下:
    $ cd /opt/intel/openvino/install_dependencies

    运行以下命令安装必要的依赖包:
    $ sudo -E ./install_openvino_dependencies.sh

    设置环境变量:
    $ source /opt/intel/openvino/bin/setupvars.sh
    建议将以上环境变量设置命令加入到用户的环境脚本当中,方法如下:
    $ vi <用户目录>/.bashrc,在末尾加入source /opt/intel/openvino/bin/setupvars.sh
    按 Esc 键,然后输入“:wq”保存并退出。

    接下来配置模型优化器,依次运行以下命令:
    $ cd /opt/intel/openvino/deployment_tools/model_optimizer/install_prerequisites
    $ sudo ./install_prerequisites.sh
    上面这条命令会安装所有的深度学习框架的支持,如果只希望安装某一个框架的支持,以安装Caffe 框架支持为例,可以这么做:$ sudo ./install_prerequisites_caffe.sh

至此,安装工作结束,下面验证安装好的 OpenVINO 环境是否可以工作。

第二步:验证 OpenVINO 环境

进入推理引擎示例程序目录:
$ cd /opt/intel/openvino/deployment_tools/demo

运行图片分类示例程序的验证脚本:
$ ./demo_squeezenet_download_convert_run.sh
如果一切顺利,输出结果将如图所示。

补充:

Openvino安装的OpenCV默认不带opencv_contrib,如果需要使用opencv_contrib,可以参考我的另一篇文章【OpenCV+OPENVINO使用】OPENCV-VINO4.5.1 + OPENCV contrib安装

在安装完后,编辑 /opt/intel/openvino_2020.3.194/setupvar.sh

  1. $INSTALLDIR/opencv/cmake改为你的cmake,在你下载的opencv-openvino文件夹下

  2. 同理,将$INSTALLDIR/opencv/lib改为opencv文件夹地址/build/lib

    大功告成

  • 2
    点赞
  • 32
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
OpenCV DNN(深度神经网络)是OpenCV库中的一个模块,用于实现深度学习模型的推理功能。它支持多种深度学习框架,如Caffe、TensorFlow和Torch,可以加载训练好的模型并进行图像分类、目标检测、人脸识别等任务。OpenCV DNN提供了简单易用的API接口,使得开发者可以方便地集成深度学习模型到他们的应用中。 OpenVINOOpen Visual Inference & Neural Network Optimization)是Intel开发的一种开源工具套件,旨在加速深度学习模型的推理过程。它可以将训练好的模型转换成一个可优化执行的格式,并通过硬件加速技术(如英特尔的CPU、GPU、VPU等)提高推理性能。OpenVINO支持多种深度学习框架,如TensorFlow、Caffe和ONNX等,并提供了简洁的API接口,使得开发者可以轻松地在各种硬件设备上部署高性能的深度学习应用。 ONNXRuntime是一个开源的深度学习推理引擎,由微软开发。它支持ONNX(Open Neural Network Exchange)格式,可以加载和执行经过训练的ONNX模型。ONNXRuntime针对不同的硬件设备(如CPU、GPU、边缘设备)进行了优化,提供了高性能的推理能力。同时,它还支持多种编程语言,如C++、Python和C#,并提供了易用的API接口,使得开发者可以方便地集成ONNX模型到他们的应用中。 综上所述,OpenCV DNN、OpenVINO和ONNXRuntime都是用于深度学习推理的工具。OpenCV DNN提供了简单易用的API接口,OpenVINO通过硬件加速技术优化模型推理,而ONNXRuntime支持ONNX模型并进行了硬件和语言的优化。这些工具都能帮助开发者快速部署和优化深度学习模型,提高推理性能。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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