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！
用OpenVINO C++ API編寫YOLOv8-Seg實例分割模型推論程式
本文章將介紹使用OpenVINO C++ API開發YOLOv8-Seg實例分割(Instance Segmentation)模型的AI推論程式。
在Windows平台以Visual Studio為基礎配置OpenVINO C++開發環境
本文主要介紹如何在Windows平台以Visual Studio為基礎配置OpenVINO C++開發環境，作者將帶領大家一步步從零開始，並提供完整的測試程式碼。
AI分割一切：用OpenVINO加速Meta SAM大模型
最近在電腦視覺領域就出現了專屬的物體分割大模型，由Meta開源的「萬物可分割」（SAM）物體分割模型。這個強大的通用分割模型，當然也能用OpenVINO進行最佳化以及推論的加速，使其能方便快速地在Intel的CPU上部署執行。來跟著我們提供的程式碼與步驟一起來動手試試吧！
如何以OpenVINO在Intel GPU上執行Stable Diffusion
你知道我們也可以執行最夯的Stable Diffusion圖片生成模型，並且將該模型轉換為OpenVINO的IR格式，讓它在CPU與GPU上高效率執行嗎？
如何用OpenVINO讓YOLOv8獲得1000+FPS性能？
YOLO又推出了最新的YOLOv8模型，其模型架構創新以及性能提升，使其剛問世就獲得廣大開發者的關注。如果說利用OpenVINO的量化和加速，利用英特爾CPU、整合式顯卡以及獨立顯卡與同一程式碼庫無縫協作，可以獲得1000+ FPS的性能，你相信嗎？我們將一步步教你在利用OpenVINO在英特爾處理器上實現這樣的性能。