openvino学习(一)ubuntu20.04安装openvino2022

安装openvino2022要求

操作系统

Ubuntu 18.04 长期支持 (LTS),64 位

Ubuntu 20.04 长期支持 (LTS),64 位

软件

CMake 3.13 或更高版本,64 位

GCC 7.5.0(适用于 Ubuntu 18.04)或 GCC 9.3.0(适用于 Ubuntu 20.04)

Python 3.6 - 3.9,64 位

请注意,OpenVINO 正在逐渐停止对 Python 3.6 的支持。建议使用 Python 3.7 - 3.9。

第1步:下载并安装 OpenVINO 软件包

openvino下载网址

下载openvino runtimes

通常有两个文件下载:

复制代码
l_openvino_toolkit_<operating system>_<release version>_<package ID>_x86_64.tgz
l_openvino_toolkit_<operating system>_<release version>_<package ID>_x86_64.tgz.sha256

sha256文件用于验证下载过程是否成功。

下载完成后,在下载上述文件的位置打开终端,使用sha256文件验证包:

复制代码
sha256sum -с <archive name>.tgz.sha256

<achive name>是文件名

如果出现任何错误消息,请检查您的网络连接,重新下载正确的文件,并确保下载过程成功完成

从中提取OpenVINO文件.tgz文件:

复制代码
sudo tar xf <archive name>.tgz -C <destination_dir>

<achive name>是文件名

<destination_dir>是将OpenVINO文件解压缩到的目录。建议将其设置为:

对于根用户或管理员:/opt/intel/

为了简单起见,创建symbolink链接很有用:

复制代码
sudo ln -s /opt/intel/openvino_2022

第2步:配置环境

在编译和运行OpenVINO之前,必须更新几个环境变量™ 应用。设置环境变量如下:

复制代码
source source /opt/intel/openvino_2022/setupvars.sh

还可以在每次启动新的终端会话时运行此脚本。修改~/.bashrc,并添加source /opt/intel/openvino_2022/setupvars.sh。下次打开终端时,您会看到[setupvars.sh] OpenVINO™ environment initialized.当您有很多OpenVINO时,不推荐使用上述方法。

(可选):配置英特尔GPU

  • 转到install_dependencises目录:

    cd <INSTALL_DIR>/install_dependencies/

  • 为使用GPU插件所需的OpenCL™驱动程序组件安装英特尔®图形计算运行时,并为英特尔®集成图形编写自定义层。驱动程序不包括在软件包中。要安装它,运行这个脚本:

    sudo -E ./install_NEO_OCL_driver.sh

该脚本将系统上的驱动程序版本与当前版本进行比较。如果系统上的驱动程序版本高于或等于当前版本,则脚本不会安装新的驱动程序。如果驱动程序的版本低于当前版本,脚本将卸载较低版本,并在您的许可下安装当前版本:

更高的硬件版本需要更高的驱动程序版本,即20.35而不是19.41。如果脚本无法卸载驱动程序,请手动卸载。在脚本执行期间,您可能会看到以下命令行输出:

复制代码
Add OpenCL user to video group

忽略此建议并继续。

测试代码

CMakeList.txt

复制代码
cmake_minimum_required(VERSION 3.10)
project(main)

include_directories(
    #OpenVINO推理引擎的头文件
    /opt/intel/openvino_2022/runtime/include/
)

set(CMAKE_CXX_STANDARD 14)
set(CMAKE_CXX_STANDARD_REQUIRED ON)
set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -Wall")
SET(CMAKE_CXX_COMPILER /usr/bin/g++)
set(CMAKE_BUILD_TYPE debug)

# 查找必要的依赖包
find_package(OpenVINO REQUIRED)

add_executable(test main.cpp)             
                                                                                                                                                                
target_link_libraries(test
        openvino::runtime
)

main.cpp

复制代码
#include<openvino/openvino.hpp>
#include<iostream>

using namespace std;

 int main(){

    ov::Core core;
    vector<string> avilableDevice = core.get_available_devices();
    for(auto x:avilableDevice){
        cout<<"avilableDevice:::"<<x<<endl;
    }

    return 0;
}

成功运行画面

相关推荐
天天扭码17 分钟前
从图片到语音:我是如何用两大模型API打造沉浸式英语学习工具的
前端·人工智能·github
SH11HF17 分钟前
小菜狗的云计算之旅,学习了解rsync+sersync实现数据实时同步(详细操作步骤)
学习·云计算
Frank学习路上32 分钟前
【IOS】XCode创建firstapp并运行(成为IOS开发者)
开发语言·学习·ios·cocoa·xcode
张彦峰ZYF1 小时前
从检索到生成:RAG 如何重构大模型的知识边界?
人工智能·ai·aigc
刘海东刘海东1 小时前
结构型智能科技的关键可行性——信息型智能向结构型智能的转变(修改提纲)
人工智能·算法·机器学习
**梯度已爆炸**1 小时前
NLP文本预处理
人工智能·深度学习·nlp
uncle_ll1 小时前
李宏毅NLP-8-语音模型
人工智能·自然语言处理·语音识别·语音模型·lm
Liudef061 小时前
FLUX.1-Kontext 高效训练 LoRA:释放大语言模型定制化潜能的完整指南
人工智能·语言模型·自然语言处理·ai作画·aigc
静心问道1 小时前
大型语言模型中的自动化思维链提示
人工智能·语言模型·大模型
众链网络2 小时前
你的Prompt还有很大提升
人工智能·prompt·ai写作·ai工具·ai智能体