英特尔OpenVINO工具套件高级课程实验操作记录与学习总结
英特尔OpenVINO工具套件高级课程&实验操作记录与学习总结
实验机器环境部分信息:
dc2-user@10-0-255-63:~$ lsb_release -a
No LSB modules are available.
Distributor ID: Ubuntu
Description: Ubuntu 18.04.3 LTS
Release: 18.04
Codename: bionic
dc2-user@10-0-255-63:~$ date
Wed Feb 23 19:10:31 CST 2022
dc2-user@10-0-255-63:~$ uname -a
Linux 10-0-255-63 4.15.0-167-generic #175-Ubuntu SMP Wed Jan 5 01:56:07 UTC 2022 x86_64 x86_64 x86_64 GNU/Linux
dc2-user@10-0-255-63:~$
Intel® Distribution of OpenVINO™ Toolkit Download:
下载地址
文章目录
- 第一课动手实验:如何充分使用OpenVINO™工具套件?-在线测试
- 1.人体动作姿势识别示例
- 2.图像着色示例
- 3.音频检测示例
- 4.公式识别
- 5.环境深度识别
- 6.目标识别示例
- 7.自然语言处理示例(NLP)——自动回答问题
- 第二课动手实验:如何构建一个异构系统——动手实验-在线测试
- 1.上传性能评估脚本到DevCloud
- 2.利用多硬件协同推理
- 第三课动手实验:AI应用中的视频处理-在线测试
- 1.测试当前设备的解码密度
- 第四课动手实验:如何进行AI推理的性能对比-在线测试
- 1.数据精度对推理性能的影响
- 第六课动手实验:AI应用中的音频处理-在线测试
- 1.声音检测实验
- 2.声音识别实验
- 第七课动手实验:如何实现DL-streamer包含的高级功能?-在线测试
- 1.使用DL-streamer进行表情识别
- 第八课动手实验:整合实现AI应用中的音视频处理-在线测试
- 1.视频+音频处理实验
- OpenVINO高级课程结业证书
第一课动手实验:如何充分使用OpenVINO™工具套件?-在线测试
1.人体动作姿势识别示例
设定实验路径
设定OpenVINO的路径:
export OV=/opt/intel/openvino_2021/
设定当前实验的路径:
export WD=~/OV-300/01/3D_Human_pose/
注:实验文件夹名为OV-300,位于主目录下。本环境下,文件的上传与下载方法,参考右上角帮助手册。
运行初始化OpenVINO的脚本
source $OV/bin/setupvars.sh
当你看到:[setupvars.sh] OpenVINO environment initialized 表示OpenVINO环境已经成功初始化。
运行OpenVINO依赖脚本的安装
进入脚本目录:
cd $OV/deployment_tools/model_optimizer/install_prerequisites/
安装OpenVINO需要的依赖:
sudo ./install_prerequisites.sh
PS:此步骤为模拟开发机本地进行OpenVINO使用的步骤,所以 之后你在本地使用OpenVINO之前需要遵循此步骤。
安装OpenVINO模型下载器的依赖文件
进入到模型下载器的文件夹:
cd $OV/deployment_tools/tools/model_downloader/
安装模型下载器的依赖:
python3 -mpip install --user -r ./requirements.in
安装下载转换pytorch模型的依赖:
sudo python3 -mpip install --user -r ./requirements-pytorch.in
安装下载转换caffe2模型的依赖:
sudo python3 -mpip install --user -r ./requirements-caffe2.in
PS:此步骤为模拟开发机本地进行OpenVINO使用的步骤,所以 之后你在本地使用OpenVINO之前需要遵循此步骤。
通过模型下载器下载人体姿势识别模型
正式进入实验目录:
cd $WD
查看human_pose_estimation_3d_demo需要的模型列表:
cat /opt/intel/openvino_2021//deployment_tools/inference_engine/demos/human_pose_estimation_3d_demo/python/models.lst
通过模型下载器下载模型:
python3 $OV/deployment_tools/tools/model_downloader/downloader.py --list $OV/deployment_tools/inference_engine/demos/human_pose_estimation_3d_demo/python/models.lst -o $WD
使用模型转换器把模型转换成IR格式
OpenVINO支持把市面上主流的框架比如TensorFlow/Pytorch->ONNX/CAFFE等框架构建好的模型转换为IR格式:
python3 $OV/deployment_tools/tools/model_downloader/converter.py --list $OV/deployment_tools/inference_engine/demos/human_pose_estimation_3d_demo/python/models.lst
PS:目前OpenVINO的推理引擎只能够推理经过转换完成的IR文件,无法直接推理.pb/.caffemode/.pt等文件。
编译OpenVINO的Python API
只需要编译一次:
source $OV/inference_engine/demos/build_demos.sh -DENABLE_PYTHON=ON
若你需要使用OpenVINO的PythonAPI,请加入如下编译出来的库地址(否则会找不到库):
export PYTHONPATH="$PYTHONPATH:/home/dc2-user/omz_demos_build/intel64/Release/lib/"
播放待识别的实验视频
由于网页播放器限制,请手动输入如下命令来播放视频:
show 3d_dancing.mp4
PS:请务必使用键盘逐字母进行输入
运行人体姿势识别Demo
运行人体姿势识别Demo:
python3 $OV/inference_engine/demos/human_pose_estimation_3d_demo/python/human_pose_estimation_3d_demo.py -m $WD/public/human-pose-estimation-3d-0001/FP16/human-pose-estimation-3d-0001.xml -i 3d_dancing.mp4 --no_show -o output.avi
请耐心等待程序运行完成,若屏幕出现Inference Completed!! 则表示推理完成,请输入“ls”罗列当前文件夹的所有文件
转换并播放识别结果视频
由于平台限制,我们必须先将输出结果视频转换为MP4格式,使用如下命令:
ffmpeg -i output.avi output.mp4
手动输入如下命令进行推理结果视频播放:
show output.mp4
2.图像着色示例
设置实验路径
export OV=/opt/intel/openvino_2021/
export WD=~/OV-300/01/Colorization/
初始化OpenVINO
source $OV/bin/setupvars.sh
开始实验
正式进入工作目录:
cd $WD
查看该demo的所需模型:
cat $OV/deployment_tools/inference_engine/demos/colorization_demo/python/models.lst
由于该实验模型较大,模型已经提前下载好了,请继续下一步。
查看原始视频
所有show命令都请手动输入:
show butterfly.mp4
运行着色Demo
python3 $OV/inference_engine/demos/colorization_demo/python/colorization_demo.py -m $WD/public/colorization-siggraph/colorization-siggraph.onnx -i butterfly.mp4 --no_show -o output.avi
PS:细心的同学会发现,这个实验中可以直接使用onnx格式进行实验,这说明推理引擎是支持简单的onnx进行推理(当然你转换为IR也可以)。请耐心等待程序运行完成,你将会看到“Inference Completed”的字样。输出avi将保存于当前文件夹,使用小写“LL”命令查看当前文件夹。
查看着色实验的输出结果视频
请先使用ffmpeg将.avi转换为.mp4格式:
ffmpeg -i output.avi output.mp4
手动输入播放视频的指令:
show output.mp4
PS:若转换完成使用show命令无法显示,请稍后30s再试。
3.音频检测示例
初始化环境
#初始化工作目录
export OV=/opt/intel/openvino_2021/
export WD=~/OV-300/01/Audio-Detection/
#初始OpenVINO
source $OV/bin/setupvars.sh
进入音频检测目录
#进入OpenVINO中自带的音频检测示例:
cd $OV/data_processing/dl_streamer/samples/gst_launch/audio_detect
#你可以查看检测的标签文件
vi ./model_proc/aclnet.json
#你也可以播放待会待检测的音频文件
show how_are_you_doing.mp3
运行音频检测
#运行示例
bash audio_event_detection.sh
分析音频检测结果
#结果并不是很适合观察,你可以运行如下命令 立即学习:https://edu.csdn.net/course/play/27685/385715?utm_source=blogtoedu 1Frame = 1920*1080 pxels RGB ... 立即学习:https://edu.csdn.net/course/play/28807/427188?utm_source=blogtoedu 目录 1.推理引擎详解 2.推理引擎API (ie_ap ... TF-pytorch-caffe~CV/NLP/音频-全生态CPU部署实战演示-英特尔openVINO工具套件课程总结(下) 在上中两篇中我们充分理解了openvino的基本原理以及其硬件基础,在这篇 ... 首先和大家说明一下,这是一个体验课程笔记 本文记录.博主学习该课程前两个章节内容的笔记心得 声明:本文禁止转载.感谢理解与支持 文末有课程链接 这个课程.博主会一边学习.一边撰写更多笔记类教程 对 模 ... 一.Traditional Computer Vision & Tools & Libraries 目前,许多平台和操作系统都支持OpenVINO的运行,并将继续扩大支持范围,支持即将 ... 一.活动要求 <英特尔® OpenVINO™工具套件高级课程>一共 10 小节,共计 142 分钟, 本次福利活动要求同学们学完全部课程内容(包括实验部分,并下载课程中需要的 Intelo ... 极市&英特尔® OpenVINO™联合中级认证正式开启! OpenVINO™ 工具套件是由英特尔®公司提供,赋能开发者快速开发高性能计算机视觉和深度学习视觉应用的工具包.它不但可以帮助开发者在 ... 有数据显示,到2021年,边缘到云行业支出预计将达到110亿美元.在这一涵盖智能制造.智慧城市等领域的巨大物联网机遇中,智能设备.传感器和互联事物捕捉的视频将会占据60亿美元的份额. 面对巨大的市场需 ... 北京2018年7月27日电 /美通社/ -- 为支持现代数字企业在万物智能互联的新时代里快速处理海量视觉数据,并提升业务洞察及效率,英特尔在以"智能端到端,英特尔变革物联网"为主题 ...
bash audio_event_detection.sh | grep “label”:" |sed ‘s/.*label"//’ | sed ‘s/"label_id.start_timestamp"
英特尔OpenVINO工具套件高级课程实验操作记录与学习总结相关推荐
最新文章
热门文章