【OpenVINO】学习笔记(07):英特尔® OpenVINO™工具套件初级课程-如何使用英特尔R工具实现从数据采集到AI产品诞生？Part-1...

立即学习:https://edu.csdn.net/course/play/27685/385719?utm_source=blogtoedu

OpenVINO提供了构建一个AI应用的所有工具：

获取深度学习模型

对视频分析流程中的所有组件进行性能指标评测

构建一个AI应用

 

OpenVINO支持异构系统

 

英特尔® OpenVINO™ 工具套件是一个全面的工具套件，支持开发人员优化预训练的深度学习模型，在一系列英特尔® 产品中执行高效的推理操作。

OpenVINO™工具套件专注于深度学习的推理加速，开发者在使用前必须准备一个已经训练好的模型，这些训练好的模型必须是如下的框架：Caffe，TensorFlow，MXNet，ONNX，Kaldi。目前不直接支持Pytorch，但是可以通过Pytorch转ONNX的方式来使用OpenVINO™工具套件。

在AI产品落地前，必须经过性能测试，以及实际的设备测试，来保证AI产品满足所需求的性能。因为实际落地情况和理论性能都会存在一定差距，也许是电压问题或者传输的带宽都会影响最终产品的性能，所以建议每一个产品都需要在最后做一个落地测试。

 

知识点测试

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

 

以上内容来源于https://edu.csdn.net/course/play/27685/385719