深度学习加速方案OpenVINO探秘(三):OpenVINO进阶测试

1. 进阶测试:SSD 人脸检测测试

1.1 环境校验

  • 进行人脸检测测试
    cmd指令下,进入路径C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\inference_engine\samples\python\object_detection_sample_ssd
    深度学习加速方案OpenVINO探秘(三):OpenVINO进阶测试_第1张图片
  • 运行python文件报错:DLL找不到指定模块
    深度学习加速方案OpenVINO探秘(三):OpenVINO进阶测试_第2张图片
  • 在环境变量中添加以下:
C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\ngraph
C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\inference_engine\external\tbb\bin
C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\inference_engine\bin\intel64\Release
C:\Program Files (x86)\Intel\openvino_2021.2.185\opencv\bin
  • 配置完环境变量后要找到"setupvars.bat"重新激活,再验证:
    深度学习加速方案OpenVINO探秘(三):OpenVINO进阶测试_第3张图片
  • 配置模型优化器(Model Optimizer)
    到目录:C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\model_optimizer\install_prerequisites,运行 install_prerequisites.sh
install_prerequisites.sh
  • 最后再跑一次就work了(至此环境就没有问题了):
    深度学习加速方案OpenVINO探秘(三):OpenVINO进阶测试_第4张图片

1.2 模型下载open_model_zoo的用法

现在还不能直接跑python文件,可以看到上面-h的解释里需要有模型文件还有input的图片。这里借助open_model_zoo,有两种下载模型的方法。

  • 体面下载法:downloader.py
    cmd指令下,在C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\open_model_zoo\tools\downloader路径中,运行downloader.py,选择对应的文件即可。
  • 自己下载
    上面的下载方法毕竟慢,可以直接找到模型的下载地址,然后借助迅雷等工具下载。
    在路径:C:\Program Files (x86)\Intel\openvino_2021.2.185\deployment_tools\open_model_zoo\models\intel中,有很多类型的demo,以其中face-detection为例,打开文件夹
    深度学习加速方案OpenVINO探秘(三):OpenVINO进阶测试_第5张图片
    里面的model.yml可以直接找到对应网址下载离线模型
    深度学习加速方案OpenVINO探秘(三):OpenVINO进阶测试_第6张图片
    xml 和 bin是两两对应的别下错,选择source里面的链接下载即可。

1.3 模型测试

深度学习加速方案OpenVINO探秘(三):OpenVINO进阶测试_第7张图片

  • 执行指令
    python object_detection_sample_ssd.py -m F:\Programs\openvino\mymodel\face-detection-0200\face-detection-0200.xml -i C:\Users\admin\Desktop\people.jpg -d CPU
  • 报错
    get_shape was called on a descriptor::Tensor with dynamic shape
    深度学习加速方案OpenVINO探秘(三):OpenVINO进阶测试_第8张图片
  • 解决
    注释掉对应行就可以了
    # if len(output_ops) != 0:
        # output_name, output_info = output_ops.popitem()

深度学习加速方案OpenVINO探秘(三):OpenVINO进阶测试_第9张图片

  • 运行
    深度学习加速方案OpenVINO探秘(三):OpenVINO进阶测试_第10张图片
    深度学习加速方案OpenVINO探秘(三):OpenVINO进阶测试_第11张图片

你可能感兴趣的:(openvino,推理加速,人工智能,深度学习,pytorch,神经网络)