不用買顯卡 OpenVINO 也能玩 Stable Diffusion V2！
近期掀起的一陣AIGC浪潮讓ChatGPT大型語言模型、Midjourney與DALL-E等圖像生成模型備受關注，其中又以Stable Diffusion最受到社群熱烈討論，主要原因就是可以自行佈署與修改模型，可玩性與彈性相當大！本篇就要來介紹如何使用OpenVINO Notebooks來玩Stable Diffusion V2！
【開箱評測】巴掌大的迷你主機也能跑出高效AI推論表現！
為了更進一步了解這類迷你主機在AI推論效能的表現，此次選用東擎(ASRock Industrial) NUC BOX-1260P作為測試機，AI推論部份則選用OpenVINO 2022.3版作為基礎工具。而測試項目則使用OpenVINO Notebooks中最新的物件偵測「Convert and Optimize YOLOv8 with OpenVINO」範例作為實測效能的分析。
實作 OpenVINO 加速 YOLOv7 推論
YOLOv7 使用了 pyTorch 框架實作 YOLO 架構，並且導出模型，這在使用上無疑更具彈性與方便性。本篇文章將運用 OpenVINO 來對 YOLOv7 模型進行轉換，提高其在邊緣裝置上的 AI 推論效能！
【評測文】工業AIOT邊緣運算電腦與OpenVINO 的結合實測
OpenVINO工具套件讓電腦視覺AI應用開發人員能跨多個硬體平台加速AI模型的效率，本文是針對OpenVINO在工業電腦上運作的效率進行驗證而做出的評測報告。
OpenVINO模型最佳化實測：PC/NB當AI辨識引擎沒問題！
本文針對OpenVINO進行模型最佳化轉換的效能實測，證明Intel-based PC及NB也能拿來當AI辨識引擎沒問題。
優化OpenVINO模型效能：參數設定影響實測
本文透過object_detecion_demo運作觀察，參數設定過程如何影響模型在同一台機器上推論效率的變化，接下來的內容為觀察到的現象，可以作為日後模型推論在配置時參數設定的一些參考。