最新OpenVINO 2021發(fā)行版介紹

英特爾分發(fā)版OpenVINO 2021工具套件發(fā)布說(shuō)明

OpenVINO工具套件介紹

英特爾分發(fā)版OpenVINO工具套件用于解決計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理以及推薦系統(tǒng)等應(yīng)用方案的快速部署?；谧钚碌娜斯ど窠?jīng)網(wǎng)絡(luò)，包括卷積神經(jīng)網(wǎng)絡(luò)、序列神經(jīng)網(wǎng)絡(luò)和基于注意力機(jī)制的網(wǎng)絡(luò)等，該套件在跨英特爾硬件平臺(tái)上支持計(jì)算機(jī)視覺(jué)和非視覺(jué)負(fù)載，并支持從邊緣到云的高性能AI和深度學(xué)習(xí)推理。

下載地址 |

https://software.intel.com/content/www/cn/zh/develop/tools/openvino-toolkit/download.html?cid=other&source=eepw_web-res_ceds&campid=prc_q2_iotg_ov-da&content=web-reg_all   

• 2020年10月推出的一個(gè)主要版本（2021版）。建議您升級(jí)到此版本，因?yàn)樗肓艘恍┬碌闹匾δ?，以及不兼容的更改?/span>

• 對(duì)TensorFlow 2.2.x的支持。正式支持在 TensorFlow 2.2.x 框架中訓(xùn)練的模型。

• 支持最新硬件。正式支持用于物聯(lián)網(wǎng)應(yīng)用的第11代英特爾酷睿處理器家族（之前代號(hào)為 Tiger Lake），可通過(guò)新的英特爾Iris Xe圖形處理器和英特爾 DL Boost 指令集獲得推理性能的增強(qiáng)，以及通過(guò)第二代英特爾高斯和神經(jīng)網(wǎng)絡(luò)加速器獲得低功耗語(yǔ)音處理的加速。

• 不止是計(jì)算機(jī)視覺(jué)。針對(duì)計(jì)算機(jī)視覺(jué)之外的負(fù)載，比如音頻、語(yǔ)音、語(yǔ)言和推薦，通過(guò)OpenVINO工具套件也實(shí)現(xiàn)了端到端部署。為此提供了新的預(yù)訓(xùn)練模型、公開(kāi)模型的支持、代碼示例和演示以及對(duì)非視覺(jué)DL Streamer的支持。

• 深度學(xué)習(xí)工作臺(tái)DL Workbench與Intel DevCloud for the Edge的集成（Beta版）將在2020年第4季度發(fā)布。開(kāi)發(fā)人員現(xiàn)在可以使用圖形化的方式來(lái)分析模型。您可以通過(guò)Intel DevCloud for the Edge平臺(tái)上（而不是在本地開(kāi)發(fā)機(jī)上）的深度學(xué)習(xí)工作臺(tái)DL Workbench對(duì)同一應(yīng)用方案的多種遠(yuǎn)程硬件配置進(jìn)行比較、可視化和性能微調(diào)等分析。

• OpenVINO模型服務(wù)器。作為OpenVINO工具套件的一個(gè)附加組件，它是一個(gè)可擴(kuò)展的微服務(wù)，提供了用于推理的gRPC或HTTP/REST端口，從而使在云服務(wù)器或邊緣服務(wù)器環(huán)境中部署模型變得更容易。它現(xiàn)在是用C++實(shí)現(xiàn)的，以減少容器資源占用（例如，小于500 MB），并提供更高的吞吐量和更低的延遲。

• 現(xiàn)在也支持Gitee和PyPI渠道下載。建議從適合您的分發(fā)方法中選擇并下載。
  

• 棄用API列表和API更改。（見(jiàn)原英文版介紹）

• 自2020.3版本以來(lái)，IRv7已經(jīng)棄用，并且當(dāng)前版本也不再支持,建議遷移到最高版本IRv10。IRv10提供了流線型同時(shí)也是面向未來(lái)的操作集，兼容通用的框架，并且對(duì)量化模型的運(yùn)行提供更好的低精度表示，同時(shí)也支持可變形（reshape）的模型。

• 移除了Inference Engine NNBuilder API。

• 移除了一些Inference Engine公共API。（見(jiàn)原英文版介紹）

• 從2020.2版本開(kāi)始，之前所有通過(guò)nGraph實(shí)現(xiàn)的功能都已經(jīng)合并到了OpenVINO工具套件。因此之前的ONNX RT Execution Provider for nGraph也已經(jīng)合并到了ONNX RT Execution Provider for OpenVINO，所以O(shè)NNX RT Execution Provider for nGraph 從2020年6月1日起就被棄用了并且會(huì)在2020年12月1日移除。建議遷移到ONNX RT Exectuion Provider for OpenVINO，它將作為所有英特爾硬件上AI推理的統(tǒng)一方案。

• 棄用或移除了一些nGraph公共API。（見(jiàn)原英文版介紹）

• 更新了nGraph公共API的結(jié)構(gòu)。

• 更新了系統(tǒng)需求。

• 為提高基于FPGA的深度學(xué)習(xí)方案的定制化水平，英特爾將轉(zhuǎn)移到下一代可編程深度學(xué)習(xí)方案。作為這個(gè)計(jì)劃的一部分，以后的非LTS標(biāo)準(zhǔn)發(fā)布將不再支持Intel Vision Accelerator Design with Intel Arria 10和Intel Programmable Acceleration Card with Intel Arria 10 GX FPGA。不過(guò)在LTS版本中還將繼續(xù)支持。關(guān)于下一代基于FGPA可編程深度學(xué)習(xí)方案的問(wèn)題，可咨詢您的銷售代表或聯(lián)系我們。
  

公共更改

• 實(shí)現(xiàn)了一些優(yōu)化轉(zhuǎn)換，將操作的子圖替換為HSwish、Mish、Swish和SoftPlus操作。

• 模型優(yōu)化器生成的IR中會(huì)默認(rèn)保持子圖的形狀計(jì)算。

• 使用推理引擎的可變形API修復(fù)了模型優(yōu)化器生成不能改變形狀的模型中間表示的轉(zhuǎn)換問(wèn)題。

• 實(shí)現(xiàn)了原始網(wǎng)絡(luò)中不可變形模式的變換。

• 增加了TensorFlow 2.x的依賴信息。

• 用ScatterNDUpate 4替換了SparseToDense操作。
  

ONNX

• 增加了使用“–output”命令行參數(shù)指定模型輸出張量名稱的功能。

• 添加了對(duì)以下操作的支持：

o Acosh

o Asinh

o Atanh

o DepthToSpace-11, 13

o DequantizeLinear-10 (zero_point must be constant)

o HardSigmoid-1,6

o QuantizeLinear-10 (zero_point must be constant)

o ReduceL1-11, 13

o ReduceL2-11, 13

o Resize-11, 13 (except mode="nearest" with 5D+ input, mode="tf_crop_and_resize", and attributes exclude_outside and extrapolation_value with non-zero values)

o ScatterND-11, 13

o SpaceToDepth-11, 13

TensorFlow

添加了對(duì)以下操作的支持：

• Acosh

• Asinh

• Atanh

• CTCLoss

• EuclideanNorm

• ExtractImagePatches

• FloorDiv
  

MXNet

添加了對(duì)以下操作的支持：

• Acosh

• Asinh

• Atanh
  

Kaldi

修復(fù)了對(duì)ParallelComponent支持的Bug?，F(xiàn)在已經(jīng)完全支持了。

公共更改

• 遷移到了 Microsoft Studio C++（MSVC）2019 編譯器并將其作為 Windows 平臺(tái)的默認(rèn)選項(xiàng)，這使得 OpenVINO 運(yùn)行時(shí)庫(kù)的二進(jìn)制大小減小了2.5倍。

• 將基于CPU的預(yù)處理操作（包含不同通道數(shù)圖片的大小調(diào)整、布局轉(zhuǎn)換和顏色空間轉(zhuǎn)換等）移植到AVX2和AVX512指令集。

推理引擎Python API

• 增加了nGraph Python API，提供了訪問(wèn)nGraph Function的Python接口，方便對(duì)加載的網(wǎng)絡(luò)圖進(jìn)行分析。支持設(shè)置網(wǎng)絡(luò)圖的節(jié)點(diǎn)參數(shù)。

• 支持使用Python API直接讀取ONNX模型。
  

推理引擎C API

CPU插件

添加了對(duì)新操作的支持：

• ScatterUpdate-3

• ScatterElementsUpdate-3

• ScatterNDUpdate-4

• Interpolate-4

• CTC-Loss-4

• Mish-4

• HSwish-4
  

GPU插件

• 支持面向物聯(lián)網(wǎng)應(yīng)用的第11代英特爾酷睿處理器家族（之前代號(hào)為Tiger Lake）。

• 支持 INT8 推理。這是英特爾DL Boost技術(shù)在英特爾集成圖形處理器上的優(yōu)化和應(yīng)用。

• 支持新操作：

o Mish

o Swish

o SoftPlus

o HSwish1234

MYRIAD 插件

• 增加了對(duì) ONNX下Faster R-CNN網(wǎng)絡(luò) 的支持，其具有固定的輸入形狀和動(dòng)態(tài)的輸出形狀。

• 增加了用于實(shí)現(xiàn)自定義 OpenCL 層的自動(dòng) DMA 的支持。

• 增加了對(duì)新操作的支持：

o Mish

o Swish

o SoftPlus

o Gelu

o StridedSlice

o I32 data type support in Div

• 提升了已有操作的性能：

o ROIAlign

o Broadcast

o GEMM

• 為myriad_compile添加了一個(gè)新選項(xiàng) VPU  TILING_uCMX_ LIMIT_uKB，從而限制 DMA 傳輸大小。

• 提供了僅用于英特爾第二代神經(jīng)網(wǎng)絡(luò)計(jì)算棒中的SHAVE處理器的OpenCL編譯器。
  

HDDL 插件

• 支持用于自定義OpenCL層的自動(dòng)DMA。

• 與MYRIAD插件中相同的新增操作和優(yōu)化。

• 提供了僅用于Intel Vision Accelerator Design with Intel Movidius VPUs中的SHAVE處理器的OpenCL編譯器。
  

GNA插件

• 支持面向物聯(lián)網(wǎng)應(yīng)用的第11代英特爾酷睿處理器家族（之前代號(hào)為Tiger Lake）。增加了對(duì)多個(gè)新的網(wǎng)絡(luò)層以及層間融合的支持。

• 增加了從流中直接導(dǎo)入模型的支持。

• 在Windows上增加了對(duì)QoS機(jī)制的支持。在Python基準(zhǔn)測(cè)試程序中增加了對(duì)GNA特定參數(shù)的支持。
  

• 引入opset4。這個(gè)新的操作集包含了以下操作。注意并不是所有的OpenVINO插件都支持這些操作。

o Acosh-4

o Asinh-4

o Atanh-4

o CTCLoss-4

o HSwish-4

o Interpolate-4

o LSTMCell-4

o Mish-4

o Proposal-4

o Range-4

o ReduceL1-4

o ReduceL2-4

o ScattenNDUpdate-4

o SoftPlus-4

o Swish-4

• 增加了nGraph Python API，提供了訪問(wèn)nGraph Function的Python接口，方便對(duì)加載的網(wǎng)絡(luò)圖進(jìn)行分析。

• 重構(gòu)了nGraph轉(zhuǎn)換API,使得它的結(jié)構(gòu)更加透明并且使用起來(lái)更友好。

• 改變了nGraph文件夾的結(jié)構(gòu)。nGraph公共API從其它代碼中分離了出來(lái)，并且ONNX導(dǎo)入器也移到了前端文件夾。

• 發(fā)布了1.4版本的NNCF，主要面向PyTorch框架。

• 支持導(dǎo)出剪枝后的模型到ONNX。

• 增加了基于FP16數(shù)據(jù)類型的量化微調(diào)。

• 增加了通用壓縮算法中初始化環(huán)節(jié)的批量歸一化適配。

• 提升了基本通道量化的訓(xùn)練性能。

• 增加了對(duì)Embedding和Conv1D權(quán)重的默認(rèn)量化。
  

• 在精度敏感算法中增加了量化參數(shù)的自動(dòng)調(diào)整。

• 加速了Honest偏差糾正算法。相比于在2020.4版本中使用use_fast_bias=false的情況，平均量化時(shí)間縮短了4倍。

• POT API產(chǎn)品化，并提供了如何使用此API的示例和文檔。

• 默認(rèn)量化策略對(duì)應(yīng)于兼容模式，需要在不同硬件上得到幾乎一致的準(zhǔn)確率。

• 覆蓋了44個(gè)新的模型。
  

添加了對(duì)以下操作的支持：

- Acosh
- Asinh
- Atanh
- CTCLoss
- EuclideanNorm
- ExtractImagePatches
- FloorDiv

• 已將版本更新到4.5.0。

• 將上游許可證更改為 Apache 2。

• 在 OpenCV 應(yīng)用程序中添加了對(duì)多個(gè) OpenCL 上下文的支持。
  

更新了推理引擎C++示例演示如何直接加載ONNX模型。

• 通過(guò)新增CNN預(yù)訓(xùn)練模型和重新生成中間表示（xml+bin）擴(kuò)展了Open Model Zoo：

o 替代了2020.4中的模型：

-face-detection-0200

-face-detection-0202

-face-detection-0204

-face-detection-0205

-face-detection-0206

-person-detection-0200

-person-detection-0201

-person-detection-0202

-person-reidentification-retail-0277

-person-reidentification-retail-0286

-person-reidentification-retail-0287

-person-reidentification-retail-0288

o 增加了新的模型：

-bert-large-uncased-whole-word-masking-squad-emb-0001

-bert-small-uncased-whole-word-masking-squad-0002

-formula-recognition-medium-scan-0001-im2latex-decoder

-formula-recognition-medium-scan-0001-im2latex-encoder

-horizontal-text-detection-0001

-machine-translation-nar-en-ru-0001

-machine-translation-nar-ru-en-0001

-person-attributes-recognition-crossroad-0234

-person-attributes-recognition-crossroad-0238

-person-vehicle-bike-detection-2000

-person-vehicle-bike-detection-2001

-person-vehicle-bike-detection-2002

-person-vehicle-bike-detection-crossroad-yolov3-1020

-vehicle-detection-0200

-vehicle-detection-0201

-vehicle-detection-0202

o 生命周期結(jié)束了的模型：

-face-detection-adas-binary-0001

-pedestrian-detection-adas-binary-0001

-vehicle-detection-adas-binary-0001

• 增加了新的演示程序：

o bert_question_answering_embedding_demo, Python

o formula_recognition_demo, Python

o machine_translation_demo, Python

o sound_classification_demo, Python

o speech_recognition_demo, Python 

• Open Model Zoo工具：

o 增加了模型下載速度。

o 在每個(gè)模型的文件夾下增加了精度檢查的配置文件。

o 簡(jiǎn)化了精度檢查配置文件，不再需要給出模型IR的路徑、目標(biāo)硬件以及數(shù)據(jù)精度等配置信息。

o 通過(guò)推理引擎預(yù)處理API使得精度檢查工具支持優(yōu)化的預(yù)處理操作。

o 不需要將ONNX模型轉(zhuǎn)成IR格式就可以在精度檢查工具中進(jìn)行ONNX模型評(píng)估。

• 通過(guò)增加對(duì)音頻分析的支持，擴(kuò)大了DL Streamer的使用范圍，不止限于視頻。增加了一個(gè)新的gvaaudiodetect元素用于音頻事件的檢測(cè)（AclNet模型）。在示例文件夾下增加了一個(gè)這個(gè)管道的示例。
  

• 增加了一個(gè)新的gvametaaggregate元素用于整合來(lái)自一個(gè)管道不同分支上的結(jié)果。這樣就可以支持創(chuàng)建復(fù)雜的管道，比如將一個(gè)管道分拆成多個(gè)分支進(jìn)行并行處理，然后整合結(jié)果。

• 實(shí)現(xiàn)了GPU內(nèi)存共享，即zero-copy,使得數(shù)據(jù)在VAAPI解碼、大小調(diào)整、CSC以及DL Streamer的各推理元素間可以更高效的共享，達(dá)到整體管道性能的提升。

• 在gvatrack和gvawatermark元素的輸入和輸出處增加GPU內(nèi)存，這樣在GPU進(jìn)行推理的時(shí)候，就可以不用調(diào)用gvaapipostproc元素顯示地將數(shù)據(jù)從GPU內(nèi)存轉(zhuǎn)移到CPU內(nèi)存。

•  [預(yù)覽]擴(kuò)展DL Streamer支持 Ubuntu 20.4。

• 更多信息請(qǐng)參考開(kāi)源代碼庫(kù)。
  

• 模型服務(wù)器是一種可擴(kuò)展且高性能工具，用以提供經(jīng)OpenVINO工具套件優(yōu)化后的模型。它提供的基于gRPC或HTTP/REST端口的推理服務(wù)，可以幫助您快速將模型產(chǎn)品化。
  

• 主要功能和提升：

o 提升了單服務(wù)器示例的擴(kuò)展性。通過(guò)新的C++實(shí)現(xiàn)，您可以以線性擴(kuò)展的效果充分利用已有資源，避免前端的性能瓶頸。

o 降低客戶端和服務(wù)器之間的時(shí)延。

o 降低資源占用。通過(guò)切換到C++實(shí)現(xiàn)或減少依賴，Docker鏡像大小可以降低到450MB。

o 增加對(duì)線上模型進(jìn)行更新的支持。服務(wù)檢測(cè)器的配置文件可以根據(jù)需要而不需要重啟服務(wù)就可以更改或重新加載模型。

• 更多信息請(qǐng)參考開(kāi)源代碼庫(kù)。