Skip to content
This repository was archived by the owner on Jul 1, 2024. It is now read-only.

README_cn.md

Latest commit

 

History

History
276 lines (191 loc) · 10.9 KB

README_cn.md

File metadata and controls

276 lines (191 loc) · 10.9 KB

English | 简体中文

英特尔® OpenVINOTM integration with TensorFlow - C++ 和 Python 示例

这些示例演示了如何使用 Intel® OpenVINOTM integration with Tensorflow 识别和检测在图像和视频中的对象。

示例快速链接

示例中的演示

  • 分类演示使用谷歌 Inception v3 模型对指定的图像或视频进行分类。
  • 对象检测演示使用从 Darknet 转换而来的 YOLOv4 模型检测指定图像、视频、图像目录或相机输入中的对象。

示例的设置

继续运行示例之前，必须将 openvino_tensorflow 仓库克隆到本地设备。此步骤请运行以下命令：

$ git clone https://github.com/openvinotoolkit/openvino_tensorflow.git
$ cd openvino_tensorflow
$ git submodule init
$ git submodule update --recursive

分类实例的 Python 实现

在此示例中，我们假设您已经：

  • 为系统安装了 TensorFlow
  • 为系统安装了Intel® OpenVINOTM integration with Tensorflow

**注意：**有关使用TF1 Inception v3模型的python分类示例，请参阅此页。

请参阅this page 使用pip快速安装。

此演示使用TF Hub 图像分类模型 InceptionV3与可能用于分类的ImageNet标签.在标签文件中，您将找到Imagenet比赛中曾使用的1,000 个类别。

安装先决条件

$ cd <path-to-openvino_tensorflow-repository>/examples
$ pip3 install -r requirements.txt

现在，您可以使用如下说明运行分类示例：

$ cd <path-to-openvino_tensorflow-repository>
$ python3 examples/classification_sample.py

classification_sample.py 在image上进行推理，其输出类似于：

military uniform 0.79601693
mortarboard 0.02091024
academic gown 0.014557127
suit 0.009166162
comic book 0.007978318

注意：使用 --no_show 标志禁用应用程序显示窗口。 默认情况下，显示窗口是启用的。

在此示例中，我们使用 Admiral Grace Hopper 的图像。如您所见，网络准确发现她穿着军装，得到了 0.79 的高分。

下一步，通过将路径传递给新输入来尝试一下。 您可以提供图像或视频或图像目录的绝对或相对路径。 例如：

$ python3 examples/classification_sample.py --input=<absolute-or-relative-path-to-your-input>

如果您将新图像或视频（如my_image.png或people-detection.mp4)添加到 openvino_tensorflow 仓库现有的 <path-to-openvino_tensorflow-repository>/examples/data 目录，将会是这样：

$ python3 examples/classification_sample.py --input=examples/data/my_image.png

或

$ python3 examples/classification_sample.py --input=examples/data/people-detection.mp4

使用相机作为输入使用--input=0。 这里的“0”指的是 /dev/video0 中的摄像头。 如果相机连接到不同的端口，请适当更改。

如要查看各种后端（Intel® 硬件)的更多选项，请调用：

$ python3 examples/classification_sample.py --help

对象检测实例的Python实现

在此示例中，我们假设您已经：

  • 为系统安装了 TensorFlow

  • 为系统安装了Intel® OpenVINOTM integration with Tensorflow

注意： 参考此页转换yolov4 darknet模型及其python对象检测示例。

使用pip快速安装，请参考此页。

安装先决条件

$ cd <path-to-openvino_tensorflow-repository>/examples
$ pip3 install -r requirements.txt

本演示中使用的 TensorFlow Yolo v4 darknet模型由于其大小而未打包在存储库中。 因此请按照以下说明将 DarkNet 模型转换为 TensorFlow模型，并将标签和权重下载到“openvino_tensorflow 的克隆存储库”中的“<path-to-openvino_tensorflow-repository>/examples/data”目录：

For Linux and macOS

$ cd <path-to-openvino_tensorflow-repository>/examples
$ chmod +x convert_yolov4.sh
$ ./convert_yolov4.sh

For Windows

cd <path-to-openvino_tensorflow-repository>\examples
convert_yolov4.bat

完成后，<path-to-openvino_tensorflow-repository>/examples/data文件夹将包含运行对象检测示例所需的以下文件：

  • coco.names
  • yolo_v4

使用以下说明运行对象检测示例：

$ cd <path-to-openvino_tensorflow-repository>
$ python3 examples/object_detection_sample.py

注意： 使用--no_show 标志禁用应用程序显示窗口。 默认情况下，显示窗口是启用的。、 使用--rename根据图像内容重命名输入图像或图像目录，例如noexiftags-1person-1uniform-intelOpenVINO.jpg**

使用此仓库附带的默认示例图像，并且 输出类似于下面的内容并将结果写入 detections.jpg：

在此示例中，我们使用 Admiral Grace Hopper 的默认图像。如您所见，网络检测到并准确绘制了人物边界框。

接下来，通过将路径传递给您的新输入，在您自己的图像上进行尝试。 您可以提供绝对或相对路径，例如：

$ python3 examples/object_detection_sample.py --input=<absolute-or-relative-path-to-your-image>

如果您将新图像（如 my_image.png）添加到 openvino_tensorflow 存储库的现有 <path-to-openvino_tensorflow-repository>/examples/data 目录，将会是这样：

$ cd <path-to-openvino_tensorflow-repository>
$ python3 examples/object_detection_sample.py --input=examples/data/my_image.png

如要查看各种后端（Intel® 硬件)的更多选项，请调用：

$ python3 examples/object_detection_sample.py --help

接下来，通过将路径传递到您的输入视频，在您自己的视频文件上进行尝试。 您可以提供绝对或相对路径，例如

$ python3 examples/object_detection_sample.py --input=<absolute-or-relative-path-to-your-video-file>

如果您将新视频（例如，examples/data/people-detection.mp4）添加到 openvino_tensorflow 存储库中现有的 <path-to-openvino_tensorflow-repository>/examples/data 目录，它将如下所示：

$ python3 examples/object_detection_sample.py --input=examples/data/people-detection.mp4

使用相机作为输入使用--input=0。 这里的“0”指的是 /dev/video0 中的摄像头。 如果相机连接到不同的端口，请适当更改。

注意： 输入为图像或图像目录的结果将写入输出图像。 对于视频或相机输入，请使用应用程序显示窗口查看结果。


分类实例的C++实现

运行 C++ 示例时，我们需要通过从源代码构建 TensorFlow 框架，因为示例依赖 TensorFlow 库。

在从源代码开始构建之前，您必须确保已安装 先决条件。

本演示中使用的 TensorFlow 模型由于其大小而未打包在存储库中。 因此将模型下载到“openvino_tensorflow 的克隆存储库”中的“<path-to-openvino_tensorflow-repository>/examples/data”目录并提取文件：

Linux and macOS

  • 下载模型
$ curl -L "https://storage.googleapis.com/download.tensorflow.org/models/inception_v3_2016_08_28_frozen.pb.tar.gz" |
  tar -C <path-to-openvino_tensorflow-repository>/examples/data -xz

-运行以下命令，构建 openvino_tensorflow 及示例：

$ cd <path-to-openvino_tensorflow-repository>
$ python3 build_tf.py --output_dir <path-to-tensorflow-dir>
$ python3 build_ovtf.py --use_tensorflow_from_location <path-to-tensorflow-dir>

关于详细的构建说明，请参阅 BUILD.md。

现在，classification_sample 的二进制可执行文件已构建完成。更新 LD_LIBRARY_PATH 并运行示例：

$ export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:<path-to-openvino_tensorflow-repository>/build_cmake/artifacts/lib:<path-to-openvino_tensorflow-repository>/build_cmake/artifacts/tensorflow
$ ./build_cmake/examples/classification_sample/infer_image

Windows

cd <path-to-openvino_tensorflow-repository>
python build_ovtf.py --use_openvino_from_location="C:\Program Files (x86)\Intel\openvino_2022.3.0" --use_tensorflow_from_location="\path\to\directory\containing\tensorflow\"
  • 现在，classification_sample的二进制可执行文件已构建完成。更新PATH并运行示例：
set PATH=%PATH%;<path-to-openvino_tensorflow-repository>\build_cmake\artifacts\lib;<path-to-openvino_tensorflow-repository>\build_cmake\artifacts\tensorflow
build_cmake\examples\classification_sample\Release\infer_image.exe

使用此仓库附带的默认示例图像，并且 输出类似于：

military uniform (653): 0.834306
mortarboard (668): 0.0218693
academic gown (401): 0.010358
pickelhaube (716): 0.00800814
bulletproof vest (466): 0.00535091

在此示例中，我们使用 Admiral Grace Hopper 的默认图像。如您 所见，网络准确发现她穿着军装，得到了 0.8 的高分。

接下来，通过将路径传递到新图像，在您自己的图像上进行尝试。 您可以提供绝对或相对路径，例如

$ ./build_cmake/examples/classification_sample/infer_image --image=<absolute-or-relative-path-to-your-image>

如果您将新图像（如： my_image.png）添加到 openvino_tensorflow 仓库的现有<path-to-openvino_tensorflow-repository>/examples/data 目录，将会是这样：

$ ./build_cmake/examples/classification_sample/infer_image --image=examples/data/my_image.png

如要查看各种后端（Intel® 硬件)的更多选项，请调用：

$ ./build_cmake/examples/classification_sample/infer_image --help

注意: 在以上示例中，首先执行热身运行，然后在后续运行中测量推理时间。首个运行的执行时间一般比后面运行的时间长，因为首次运行包含很多一次图表转化和优化步骤。