OpenVINO 分类demo编译

说明

本文档在 Ubuntu使用GCC 4.8.5 进行了验证，如果需要使用更多G++版本和平台的OpenVino编译，请参考: OpenVINO。

验证环境

Ubuntu* 16.04 (64-bit) with GCC* 4.8.5
CMake 3.12
Python 2.7 or higher

请确保系统已经安装好上述基本软件，下面所有示例以工作目录 /root/projects/演示。

git clone https://github.com/PaddlePaddle/PaddleX.git

说明：其中C++预测代码在/root/projects/PaddleX/deploy/openvino 目录，该目录不依赖任何PaddleX下其他目录。

Step1: 软件依赖

openvino: 编译文档
gflags: 编译文档
opencv: 编译文档说明：/root/projects/PaddleX/deploy/openvino/scripts/bootstrap.sh提供了预编译版本下载，也可自行编译。
ngraph: 说明：openvino编译的过程中会生成ngraph的lib文件，位于{openvino根目录}/bin/intel64/Release/lib/下。

Step2: 编译demo

编译cmake的命令在scripts/build.sh中，请根据Step1中编译软件的实际情况修改主要参数，其主要内容说明如下：

# openvino预编译库的路径
OPENVINO_DIR=/path/to/inference_engine/
# gflags预编译库的路径
GFLAGS_DIR=/path/to/gflags
# ngraph lib的路径，编译openvino时通常会生成
NGRAPH_LIB=/path/to/ngraph/lib/
# opencv预编译库的路径, 如果使用自带预编译版本可不修改
OPENCV_DIR=$(pwd)/deps/opencv3gcc4.8/
# 下载自带预编译版本
sh $(pwd)/scripts/bootstrap.sh
rm -rf build
mkdir -p build
cd build
cmake .. \
    -DOPENCV_DIR=${OPENCV_DIR} \
    -DGFLAGS_DIR=${GFLAGS_DIR} \
    -DOPENVINO_DIR=${OPENVINO_DIR} \
    -DNGRAPH_LIB=${NGRAPH_LIB} 
make

修改脚本设置好主要参数后，执行build脚本：

 sh ./scripts/build.sh

Step3: 模型转换

将[]()生成的onnx文件转换为OpencVINO支持的格式，请参考：Model Optimizer文档

Step4: 预测

编译成功后，预测demo的可执行程序分别为build/classifer，其主要命令参数说明如下：

参数	说明
--model_dir	Model Optimizer生成的.xml文件路径，请保证Model Optimizer生成的三个文件在同一路径下
--image	要预测的图片文件路径
--image_list	按行存储图片路径的.txt文件
--device	运行的平台, 默认值为"CPU"

样例

可使用小度熊识别模型中导出的inference_model和测试图片进行预测。

样例一：

测试图片 /path/to/xiaoduxiong.jpeg

./build/classifier --model_dir=/path/to/inference_model --image=/path/to/xiaoduxiong.jpeg

样例二:

预测多个图片/path/to/image_list.txt，image_list.txt内容的格式如下：

/path/to/images/xiaoduxiong1.jpeg
/path/to/images/xiaoduxiong2.jpeg
...
/path/to/images/xiaoduxiongn.jpeg

./build/classifier --model_dir=/path/to/models/inference_model --image_list=/root/projects/images_list.txt -

depoly_openvino.md 3.3 KB 文件歷史 原始文件