【学习笔记】编译运行OpenVino的Inference Engine范例和Demo程序

最新推荐文章于 2025-02-25 11:53:16 发布
最新推荐文章于 2025-02-25 11:53:16 发布
阅读量2k 收藏 13
点赞数 5
分类专栏： openvino
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013688268/article/details/114136433
版权
本文介绍了如何编译和运行OpenVINO的Inference Engine示例，包括编译samples和demos的过程。在编译过程中遇到的问题是运行build_demos_msvc.bat时出现错误，原因是缺少CMake所需的环境变量。解决方案是安装MSVC v140 - VS 2015 C++ 生成工具并添加环境变量。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目的：编译运行Inference Engine范例是为了验证OpenVINO工具的开发环境是否完整，为后续做开发做准备。

准备：编译OpenVINO自带的Samples范例过程，首先需要确保Cmake（≥3.14版本）与Visual Studio（2015或2017或2019）都安装完毕

第一步：进入samples目录，输入cmd，运行该目录下的build_samples_msvc.bat

cd /d C:\Intel\openvino_2021\inference_engine\samples\cpp
build_samples_msvc.bat

编译成功后如图所示：
图片

编译结果保存在：C:\Users\yy\Documents\Intel\OpenVINO\inference_engine_cpp_samples_build文件夹中

如图所示：

图片

其中在inference_engine_cpp_samples_build文件夹中的intel64\Release

最低0.47元/天 解锁文章
Linux C++ OpenVINO 物体检测 Demo
09-13
OpenVINO（Open Visual Inference & Neural Network Optimization）是一个高性能的计算机视觉和深度学习推理平台，它加速了在边缘设备上的模型部署。下面将详细介绍这个“Linux C++ OpenVINO 物体检测 Demo”的关键...
C++ 实现 OpenVINO样板Demo
04-21
OpenVINO（Open Visual Inference and Neural Network Optimization）是英特尔推出的一个高性能的计算机视觉和深度学习推理框架。它旨在加速从边缘设备到云端的深度学习应用，通过优化神经网络模型来提高推理速度。...
使用OpenVINO遇到No name 'IENetwork' in module 'openvino.inference_engine'解决
Einstellung的博客
03-25 5957
我们使用OpenVINO进行模型部署的时候，可以使用c++，也可以使用Python。当你安装好Python，运行OpenVINO的sample demo时候，可能会发现，代码中这行语句报错： from openvino.inference_engine import IENetwork, IECore 原因可能是有两个。 1 你没有把OpenVINO的模块移动到Python对应的目录下面。所以...
学习OpenVINO笔记之Inference Engine
weixin_42730667的博客
08-15 9423
Inference Engine是OpenVINO具体实施单元，支持CPU,GPU,FPGA，Movidius，GNA等因特尔开发的硬件平台，并提供可操作API，API为C++接口，也支持python. Inference Engine lib Inference Engine最核心的的lib为： linux：libinference_engine.so window OS:infer...
【开源大模型本地化部署开发】OpenVINO加速大模型推理
最新发布
人工智能(AI)技术，大模型技术，深度学习，机器学习，计算机视觉，AI工具实践应用等分享
02-25 758
OpenVINO（Open Visual Inference and Neural Network Optimization） 是英特尔推出的一款深度学习推理优化工具，旨在为各种硬件平台（如 CPU、GPU、VPU、FPGA 等）提供高效的神经网络推理支持。它支持多个深度学习框架（如 TensorFlow、PyTorch、Caffe 等）并提供一整套用于加速推理过程的工具。 OpenVINO 通过模型优化、硬件加速和推理引擎的组合，提高了机器学习和计算机视觉任务的执行效率，特别是在资源受限的设备上。
OpenVino学习4 --- Inference Engine范例编译
P_B_Y的博客
09-30 504
编译 Samples 文件夹中的范例 1、进入安装目录 C:\Intel\openvino_2021.3.394\deployment_tools\inference_engine\samples 路径。 2、这里有三个不同语言的samples，在 samples/cpp 文件夹中输入“cmd"，运行 build_samples_msvc.bat，完成编译工作。其中 c/c++是需要进行编译，python中未有发现 .bat文件，这里是对 cpp samples进行编译。 编译后的结果保存在 C:\Us
干货 | 函数详解 ​OpenVINO Inference Engine SDK
OpenVINOCC的博客
09-21 2262
干货 | 函数详解 ​OpenVINO Inference Engine SDK 爱学习的OV OpenVINO 中文社区 内 容 来 源|刘焕云 内 容 排 版| 晏 杨 0 1 基本介绍 OpenVINO 是针对英特尔针对自家现有的硬件平台开发的高性能计算机视觉和深度学习视觉应用的工具套件，支持英特尔自家的 CPU、GPU、FPGA、VPU 等硬件。OpenVINO 包含两个大模块：模型转换模块 Model Optimizer 和推理模块 Inference Engine。本文讲解推理模块常见的 C+
OpenVINO InferenceEngine framework
weixin_42730667的博客
11-12 383
最近研究OpenVINO中的推理代码，大概总结以下框架，只是自己的理解
编译并运行inference engine 范例和演示程序
weixin_43343389的博客
12-07 413
编译inference engine samples 是验证openvino工具套件的开发编译环境是否安装成功，为后续开发openvino应用程序奠定基础。 1.1编译samples 文件夹中的范例 进入openvino的安装路径文件夹： C:\Program Files (x86)\IntelSWTools\openvino_2020.3.194\deployment_tools\inference_engine\samples\cpp 在该文件路径下，输入cmd 运行build_samples_msvc
anaconda配置的python+pytorch虚拟环境下调用openvino中from openvino.inference_engine import IECore问题解决方法
weixin_43984636的博客
04-25 7148
我将其分为三种情况 首先第一种，也是很常见的一种，没有对其进行初始化操作，如果你安装在电脑中的python版本跟你配置的环境一样的话，你需要初始化通过在openvino的默认安装位置上找到setupvars.bat点击 ...
from openvino.inference_engine import IECore报错：ImportError: DLL load failed while importing ie_api:
LongLongWei_CsDn的博客
05-24 1530
将文件夹: C:\Program Files (x86)\IntelSWTools\openvino_2020.3.194\python\python3.6\openvino。移动到: c:\users\issai\anaconda3\envs\opencv-openvino\lib\site-packages。版本不一样路径可能不一样，自己改一下。文件夹添加到系统环境变量 PATH中（前提是。如果Python版本高于 3.8 ，并且是。
w_openvino_toolkit_p_2020.2.117.exe
05-17
w_openvino_toolkit_p_2020.2.117的exe文件，可用于cpu加速，opencv dnn调用
OpenVINO安装包
01-17
Openvino 2021版本
ngraph：nGraph已移至OpenVINO
01-31
nGraph已移至OpenVINO： : | | | | | 快速开始 要开始在流行的框架中使用nGraph，请参考下面的链接。 框架（版本） 安装指南 笔记 TensorFlow * 或 20个 ONNX 1.5 17个 适用于nGraph的Python轮子 nGraph的Python轮子已经过测试，并在以下64位系统上受支持： Ubuntu 16.04或更高版本 CentOS的7.6 Debian 10 macOS 10.14.3（Mojave） 要通过pip安装，请运行： pip install --upgrade pip==19.3.1 pip install ngraph-core 与本机框架实现相比，使用nGraph Compiler堆栈执行工作负载的框架性能提高45倍。 我们还发现，运行在未列出的，得益于nGraph强大的子图模式匹配。 此外，我们将nGraph与集成在一起，以在Intel，nVidia和AMD GPU上提供深度学习性能加速。 有关nGraph Compiler堆栈当前体系结构的更多详细信息，请参见“ ，并且在中介绍了对该堆栈的最新更
win10配置Openvino在inference_engine_samples_build_2015 error:System Error: Permission denied
m0_37679096的博客
03-20 1039
-- Configuring incomplete, errors occurred! CMake Error: Cannot open file for write: D:/basic_tools/opencv_tookeit/openvino_2019.1.087/deployment_tools/inference_engine/samples/CMakeCache.txt.tmp CMak...
玩转OpenVINO之一：cpp samples和demo的编译
tanmx219的博客
07-07 1689
今天开始，决定给最新版的OpenVINO留个纪念。 能写到哪里，目前还不知道，但前面已经有过一些经历，又因为没有时间写太具体的教程，只能是在回过头来看的时候，把一些入门级的，每次部署都用到的东西记录下来。 如何安装OpenVINO就不多说了，下载下来，setup即可，还有环境prerequisite安装，具体可以到这里看原文： https://docs.openvinotoolkit.org/latest/_docs_install_guides_installing_openvino_windows
OpenVINO InferenceEngine之读取IR
weixin_42730667的博客
11-09 3441
目录 CNNNetReader API列表 CNNNetReader构造函数 CNNNetReaderImpl构造函数 xml网络拓扑文件结构 CNNNetReader::ReadNetwork CNNNetReaderImpl::ReadNetwork 读取xml文件 获取网络拓扑文件版本 获取解析器 FormatParser::Parse解析xml节点数据 验证该网络...
【学习笔记】Openvino2021_2安装完成后跑Demo遇到的问题
u013688268的博客
02-25 1932
在完成OpenVino2021.2版本的安装后，跑测试Demo时遇到如下问题： 在跑demo_squeezenet_download_convert_run.bat以及demo_benchmark_app.bat时运行完成后会报错，错误如下： [ ERROR ] Model file C:\Users\yy\Documents\Intel\OpenVINO\openvino_models\ir\public\squeezenet1.1\FP16\squeezenet1.1.xml cannot be ope
InferenceEngine::Core ie 异常，openvino部署打包程序崩溃，无法运行
dongjuexk的博客
06-07 457
将openvino安装路径\\runtime\bin\intel64\Release\plugins.xml文件，放在与程序引用dll的同目录下。
OpenVINO 2022深度学习加速器部署YOLOv5 v6.1模型
4. **编写推理代码**：借助OpenVINO的Inference Engine，编写代码来加载转换后的IR模型，并执行图像预处理、模型推理和结果后处理等步骤。 5. **优化与测试**：在目标硬件上运行部署的模型，进行性能优化和精度测试...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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