OpenVINO 2022.3之一：OpenVINO概述_openvino是什么

OpenVINO 2022.3之一：OpenVINO概述

OpenVINO是一个开源工具包，可优化和部署深度学习模型。它提供了针对视觉、音频和语言模型的深度学习性能加速，支持流行框架如TensorFlow、PyTorch等。

1 概述

OpenVINO可以优化几乎任何框架的深度学习模型，并在各种英特尔处理器和其他硬件平台上以最佳性能进行部署。
OpenVINO 工作流如下：

2 高性能的深度学习

OpenVINO Runtime可以自动使用激进的图形融合、内存重用、负载平衡和跨CPU、GPU、VPU等进行集成并行处理，以优化深度学习流水线。您可以集成和卸载加速器附加操作，以减少端到端延迟并提高吞吐量。

3 模型量化和压缩

通过OpenVINO的后训练优化工具和神经网络压缩框架中提供的量化和其他最先进的压缩技术，进一步提高模型的速度。这些技术还可以减少模型的大小和内存需求，使其能够部署在资源受限的边缘硬件上。

4 支持设备

OpenVINO支持广泛的硬件平台。

完整的OpenVINO兼容平台列表 OpenVINO™ Supported Devices

OpenVINO 2022.3之一：OpenVINO概述
OpenVINO 2022.3之二：Windows安装OpenVINO
OpenVINO 2022.3之三：Linux安装OpenVINO
OpenVINO 2022.3之四：OpenVINO模型转换
OpenVINO 2022.3之五：OpenVINO Runtime部署推理
OpenVINO 2022.3之六：OpenVINO加密模型
OpenVINO 2022.3之七：OpenVINO 预处理API提升模型推理性能
OpenVINO 2022.3之八：OpenVINO Async API
OpenVINO 2022.3之九：Post-training Optimization Tool (POT)
OpenVINO 2022.3之十：OpenVINO™ 中用于推理优化的自适应参数选择
OpenVINO 2022.3实战一：Window 10 环境下用 OpenVINO 2022.3部署yolov5 7.0
OpenVINO 2022.3实战二：Window 10 环境下用 OpenVINO 2022.3部署yolov5-seg_7.0
OpenVINO 2022.3实战三：POT API实现图像分类模型 INT8 量化
OpenVINO 2022.3实战四：POT API 实现 YOLOv5 模型 INT8 量化
OpenVINO 2022.3实战五：NNCF实现图像分类模型 INT8 量化

OpenVINO 2022.3实战七：OpenVINO加速Anomalib部署推理