OpenVINO是一个用于提升深度学习模型部署性能的跨平台的工具包，安装和使用都非常简单，下面 demo 视频是在 Mac 机器上运行的例子，安装过程在上面的文档链接中，安装主要是需要下载大量深度框架相关的库和模型，以及 Intel 已经封装好的一些脚本。

之前在神经计算棒上部署过openvino来测试神经棒的速度。

Demo 大致的过程是下载一个预先训练好的模型，这个模型是用来检测图片车辆的一个模型，然后针对例子中的车的图片，并做 Inference 的过程。

软硬件环境

• ubuntu 18.04 64bit
• openvino_2020.3.341
• yolov5 4.0

openvino是什么

openvino是一个用于解决在intel硬件平台上进行深度学习部署的方案，支持windows、linux和macOS。

openvino环境搭建

下载地址：https://software.intel.com/content/www/us/en/develop/tools/openvino-toolkit/download.html

下载后解压并进入目录

1
2

tar xvf l_openvino_toolkit_p_2020.3.341.tgz
cd l_openvino_toolkit_p_2020.3.341

执行脚本开始按提示安装

1
2

# 或者使用带GUI界面的安装脚本sudo ./install_GUI.sh
sudo ./install.sh

接下来测试下安装是否成功

1
2
3

cd /opt/intel/openvino/deployment_tools/demo
./demo_security_barrier_camera.sh
./demo_security_barrier_camera.sh -d GPU(测试gpu环境)

这就说明，openvino的环境安装成功了。

这里需要注意下，由于，在安装过程中，脚本已经帮我们设置了相关的环境，所以我们去测试时无需做任何设置。但是如果下次开机，或者打开新的terminal，我们就需要重新来设置环境，执行

1

source /opt/intel/openvino/bin/setupvars.sh

或者直接将上述命令写入~/.bashrc中，就不用每次手动敲了。

目录/opt/intel下有openvino和openvino_2020.3.3412个目录，其实它们是同一个东西，openvino是个软链接文件。

pt转onnx

首先准备依赖

1

pip install onnx coremltools networkx defusedxml

由于目前openvino的版本对onnx opset 11 版本后的支持有问题，因此需要修改文件model/export.py，将原来opset_version由12改为10，如下

1
2

torch.onnx.export(model, img, f, verbose=False, opset_version=10, input_names=['images'],
                    output_names=['classes', 'boxes'] if y is None else ['output'])

接下来就可以将yolov5的pt模型转换成onnx格式了，这里使用其自带的yolov5s.pt模型进行测试

1

python models/export.py --weights weights/yolov5s.pt --img-size 640 --batch-size 1

转换结束后，就会在weights文件夹下生成yolov5s.onnx

onnx转ir

ir即Intermediate Representation，openvino的模型优化器(Model Optimizer)会将给定的模型转化为标准的ir格式，并对其进行优化。

使用openvino自带的脚本，就可以完成从.onnx到.bin和.xml的转换，命令如下

1

mo.py --input_model weights/yolov5s.onnx

openvino测试

这里使用c++语言编写测试程序，下载地址：https://github.com/fb029ed/yolov5_cpp_openvino，非常感谢作者`fb029ed`的分享

1
2
3
4
5

cd yolov5_cpp_openvino/demo
mkdir build
cmake ..
make
./detect_test

需要将前面生成的yolov5s.bin、yolov5s.xml和一张测试图片拷贝到res目录下，图片重命名为bus.jpg

参考资料

• https://software.intel.com/content/www/us/en/develop/tools/openvino-toolkit.html
• https://github.com/violet17/yolov5_demo
• https://github.com/fb029ed/yolov5_cpp_openvino