立即学习:https://edu.csdn.net/course/play/27685/385719?utm_source=blogtoedu
目录
1、初级课程目录
OpenVINO 100 – Course agenda
Lesson 1: Introduction, why do we need Artificial Intelligence (AI).
Lesson 2: What is Video, what is computer vision, how do we accelerate it on modern computers.
Lesson 3: How to accelerate Video processing
Lesson 4: How to accelerate Neural Network for vision applications
Lesson 5: Video Analytics pipeline
Lesson 6: Demos, OpenVINO at work
Lesson 7: The full flow, from Data to a product using Intel tools-Part 1.
Lesson 8: The full flow, from Data to a product using Intel tools-Part 2.
Lesson 9: Summary, intro to next course (200)
2、内容简介
从模型到构建整个系统的流程
- 1、Model:获取模型
-
需要一个基于深度学习的模型来执行分析任务,比如分割,检测,细分等
-
模型在另外的框架中进行训练,例如Tensorflow或者caffe
-
-
2、Prepare Inference:推理前准备(转换模型格式)
-
模型通常在云环境中进行训练,云环境拥有所有的计算资源
-
但是要为推理做好准备,有时是在较小的设备上进行推理
-
模型通常采用浮点格式,有时是在执行整数或者其它设备上运行,因此还需要转换数据格式
-
-
3、Benchmark:性能指标基准评测。
-
了解其每秒能执行多少次推理,可以使用多种优化技术与多种数据格式对所有模型进行性能指标评测。
-
-
4、Select System:选择合适的平台
-
5、Decode Density:解码密度
-
想知道设备可以支持多少个摄像头,需要一个系统支持尽可能多的摄像头或者视频流,从而降低每个摄像头的成本,因此需要了解解码能力与编码能力
-
5个跟10个摄像头的编码解码密度是不同的,取决于不同设备
-
-
6、Full Pipeline:完整测试
-
解码、编码与推理任务是一起运行的,一起运行所得到的结果可能差强人意
-
因此要模拟完整的工作环境负载,所有功能同时执行,使用Gstreamer进行模拟
-
-
7、AI Application:构建应用
-
构建软件或使用OpenVINO将视频分析流程和推理整合到现有的应用中
-
3、知识点检测
1/5判断题: 英特尔® OpenVINO™ 工具套件专注于深度学习推理,而非训练。
正确。
错误
2/5判断题: 使用Intel的CPU的推理效果一定比它的集成显卡性能好。
错误。
正确
3/5判断题: OpenVINO™不支持最新的Intel智能硬件,比如第二代神经电脑棒 (NCS2)。
正确
错误。
4/5单选题: 在推理前必须准备好一个训练好的模型,构建这个模型的框架可以是:
A.TensorFlow
B.Caffe
C.MXNet
D.Kaldi
E.A,b and D
F. ALL。
5/5判断题: 在AI产品落地前,必须经过本地测试来确保实际推理性能满足理论设置的推理性能要求。
正确。
错误