Intel OpenVINO 從2018年5月發行至今已更新20多個版次，目前最新版次為 2023.3 LTS。期間有很多重大革新，這也讓很多不錯的功能可能消失或以其它方式出現。如2021.4版後開始提供Jupyter Notebook (Python) 格式範例讓大家更容易學習。2023.0版後開始提供 Google Colab 格式的範例，讓大家免本地安裝可直接在雲端體驗 OpenVINO。不過也有像 Open Model Zoo (OMZ) 之類方便學習、測試各種預訓練模型的項目及相關工具被移出。主要是因為自2023.1版後開始支援直接讀取更多框架模型及神經網路壓縮架構(Neural Network Compression Framework, NNCF)取代原有模型優化器(Model Optimizer, MO)。
目前 OpenVINO Notebooks 範例編號101~128提供了各種常見框架轉成OpenVINO專屬 IR（XML+BIN） 格式的範例，如TensorFlow、PyTorch、PaddlePaddel 等，甚至 Hugging Face 格式。當然這裡也包含了OMZ的轉換範例（104-model-tools）。不過這個範例比較適合單獨運行、預先轉檔工作，當想像以往 OMZ Demos 下的應用範例，要整合轉檔加執行時，就會遇到一些小麻煩。
雖然這些OMZ的範例已被淡出，但如果大家想直接在 Google Colab 上直接運行時，這篇文章應該可以給大家一些幫助。以下就以OMZ 影像分類(Classification) Public Pre-Trained Models為例，說明如何以 Colab 完成直接運行。
OpenVINO Open Model Zoo (OMZ) & Tools
Intel OpenVINO 自20018發行後 Open Model Zoo (OMZ) 一直提供很豐富的預訓練模型庫，很方便進行AI應用的實驗，其中包含三大部份。
- Intel's Pre-Trained
Intel 提供之預設訓練模型，包括物件偵測、物件辨識、影像分割、姿態偵測、行為分析、語音處理、時間預測等數十種模型。此部份已直接轉成IR格式(Bin + Xml)，可直接載入運行。
- Public Pre-Trained
常用公開預訓練模型，有數十種應用及數百個模型，下載後需依原始框架格式（如TensorFlow, PyTorch, Caffe等）轉換到IR格式才能載入運行。
- Demos
提供整合型範例，使用單一或組合不同模型完成特定功能，搭配簡易顯示畫面，更方便使用者理解。
另外亦提供OMZ相關工具，方便使用者處理模型轉檔、優化及效能評估，主要包括下列四項工具。
隨著 OpenVINO 版本的迭代更新，在2023.1版後， OMZ 及相關工具在官方說明文件中就移到「舊版功能(Legacy Features)」，不再持續維護。使用 pip install openvino 也不再預安裝OMZ相關工具，需改用 pip install openvino-dev 才能取得。
舊版 Open Model Zoo 相關文件及範例仍於開源於 Github 上，有需要可行下載研究。另外原始模型及說明文件亦可從「官方共用區」中取得。
OpenVINO Notebooks
為了讓大家更容易使用 OpenVINO ，自2021.4版後就開始提供 Jupyter Notebook 格式的範例程式庫 Notebooks ，主要分為五大部份。
- 第一步(First steps)（編號001~099）
- 轉換與優化(Covert & Optimize)（編號100~199）
- 模型展示(Model Demos)（編號200~299）
- 模型訓練(Model Training)（編號300~399）
- 即時展示(Live Demos)（編號400~499）
2022.1版後部份範例已支援直接在 Binder 線上運行。 2023.0版後除增加更多範例外，亦有部份範例支援直接在 Google Colab 環境下安裝 OpenVINO 及運行。不過目前 Notebooks 範例中並未納入原先 OMZ Pri-Trained Model 及 Demos 範例，如有需要可參考下列作法。
OMZ Classification Public Pre-Trained Models
目前 OMZ Public Pre-Trained Models提供了常見的預訓練模型有數十種應用及數百個模型，單就影像分類來看就有超過五十種，詳如文末附錄。
以往可透過Demos下的「Classification Python* Demo」在命令列運行，來呼叫這五十多種影像分類模型。當它利用 omz_downloader 下載模型時會一併把對應的參數設定好。可是這樣的作法並無法適用在 Colab 環境下，所以這裡可簡單把工作流程改成下列步驟，就能完整運行影像分類。
- 安裝openvino-dev
- 導入必要模組
- 下載預訓練模型
- 模型轉換
- 指定推論裝置
- 將模型載入裝置並編譯
- 下載測試資料
更完整的細部程式說明可直接點擊下列連結，進入Colab直接運行。大家可試著修改模型名稱及指定對應設定來實驗一下。
小結
這個範例僅示範了OMZ影像分類用法，這只是一個開始，大家可試著延伸到其它類型範例，後續會持續安排將Demos下的範例轉至Colab，讓大家更方便學習。
Intel, OpenVINO Toolkit Document
Intel, OpenVINO Document - Documentation - Legacy Features - Open Model Zoo (2023.3 LTS)
Intel, Github - openvinotoolkit / openvino_notebooks
Intel, Github - openvinotoolkit / open_model_zoo
Intel, stroage for open model zoo
Intel, OpenVINO Document - Classification Python* Demo
只需不到短短一分鐘...
輸入您的信箱與ID註冊即可享有一切福利!
會員福利
免費電子報
會員搶先看
主題訂閱
好文收藏
.jpg)
.jpg)