【OpenVINO】学习笔记(04):英特尔® OpenVINO™工具套件初级课程-如何给视觉应用中的神经网络加速？...

受Intel邀请对课程进行分享。

立即学习:https://edu.csdn.net/course/play/27685/385716?utm_source=blogtoedu

这是Intel提供的一个关于OpenVINO工具套件的初级课程。这个课程内容非常简单，作为知识点复习是非常不错的，现在课程注册免费学习。

 

OpenVINO的全称是：Open Visual inference and Neural network Optimization，开放视觉推理和神经网络优化工具集，它是一整套面向AI应用的Intel软件解决方案。

 

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)
————————————————
 

深度学习中，训练的定义就是通过不断地改变神经网络的参数来使神经网络输出值与目标值之间的误差越来小。在理想情况下，当深度神经网络训练完成时，用于验证的数据正确率将会达到百分之百，换句话说，每一次推理都会是正确的，所以训练网络的误差将无限接近于0.

 

Intel为加速神经网络的计算推出了DLDT（Deep Learning Deployment Toolkit，深度学习部署套件），它是OpenVINO的一个组成部分。

 

模型优化器是一种跨平台的命令行工具，可促进训练和部署环境之间的转换，执行静态模型分析，并将深度学习模型调整为中间表示 (IR) ，通过推理引擎实现最佳执行。

 

知识点检测

1/5判断题:
       仅凭有4只脚和1一个尾巴是不足以判断是否是一只小猫。所以用来判断小猫的是必须需要多层特征结构的神经网络

       正确
       错误

       2/5单选题:
       理想情况下，当深度神经网络训练完成时，训练网络的误差将会：

       A.趋近0
       B.趋近1
       C.趋近100

       3/5单选题:
       深度学习模型应用于方方面面，以下是常用的模型分类是：

       A.物体分类
       B.目标追踪
       C.人脸识别
       D.图像分割
       E.ALL

       4/5判断题:
       模型优化器是一种基于 Python* 的工具，可将输入的训练模型从标准框架转换为统一的 IR 文件。

       正确
       错误

       5/5单选题:
       英特尔® OpenVINO™ 工具套件中用于模型优化以及推理加速的组件是：

       A.模型优化器
       B.推理引擎
       C.参考实例
       D.A & B
       E. A & C

 

以上内容来源于https://edu.csdn.net/course/play/27685/385716