安装包使用的是w_openvino_toolkit_p_2021.2.185.exe。资源可在这里下载。
这里我使用Python 3.7.9,Visual Studio 2019。
这里要提醒,Python不要使用Anaconda里的,使用系统环境中配置的Python环境。
双击w_openvino_toolkit_p_2021.2.185.exe进行安装。
选择提取文件所保存的位置。
将Intel的路径设置为D:\Installed\Intel。
完成之后可能会提示需要重启电脑。
如果需要依赖的软件没有安装,在安装过程会出现提示
打开CMD,
cd D:\Installed\Intel\openvino_2021\bin
setupvars.bat
输出为
这种设置只是在当前cmd窗口有效,一旦关闭cmd就失效了,下次需要重复这样的操作。永久有效的方式是将Python安装路径添加到环境变量Path中。
OpenVINO支持Caffe, TensorFlow, MXNet, and ONNX,可以将它们训练的模型转化成IR格式供推理引擎使用。
IR格式的数据包含两个文件:
进入目录
cd D:\Installed\Intel\openvino_2021.2.185\deployment_tools\model_optimizer\install_prerequisites
install_prerequisites.bat
输出为:
如果要单独配置某个框架,则分别执行
(1)Caffe
install_prerequisites_caffe.bat
(2)Tensorflow
install_prerequisites_tf.bat
(3)MXNet
install_prerequisites_mxnet.bat
(4)ONNX
install_prerequisites_onnx.bat
(5)Kaldi
install_prerequisites_kaldi.bat
进入到如下目录,该目录中有使用OpenVINO的示例
cd D:\Installed\Intel\openvino_2021.2.185\deployment_tools\demo
运行
demo_squeezenet_download_convert_run.bat
会自动下载一个训练好的SqueezeNet model,并且使用Model Optimizer转化成IR格式的数据。
存在的问题:
(1)会遇到HTTP连接超时,解决方法是将demo_squeezenet_download_convert_run.bat中的102行注释掉
直接复制模型所在github工程https://github.com/forresti/SqueezeNet里边的SqueezeNet_v1.1.caffemodel和deploy.prototxt到模型子目录C:\Users\Administrator\Documents\Intel\OpenVINO\openvino_models\models\public\squeezenet1.1,并重命名为squeezenet1.1.caffemodel和squeezenet1.1.prototxt。然后运行脚本正常。
运行
demo_security_barrier_camera.bat
存在的问题:
(1)会遇到HTTP连接超时,解决方法为
cd D:\Installed\Intel\openvino_2021.2.185\deployment_tools\tools\model_downloader
python downloader.py
根据显示的错误信息,我们需要下载模型
python downloader.py --name vehicle-license-plate-detection-barrier-0106 #name后面是模型的名字
FP32 意思是 32位精度模型。
同时,我们还需要下载模型
python downloader.py --name license-plate-recognition-barrier-0001
再将下载的两个模型
拷贝到C:\Users\Administrator\Documents\Intel\OpenVINO\openvino_models\ir\intel。
再执行,
demo_security_barrier_camera.bat