اوپن‌وینو

توسعه‌دهنده(ها)اینتل
انتشار اولیه۱۶ مه ۲۰۱۸ (۲۰۱۸-16}})
انتشار پایدار
2025.4 / دسامبر ۲۰۲۵."یادداشت‌های انتشار برای توزیع اینتل از جعبه‌ابزار OpenVINO نسخهٔ 2025.4". December 2025.
مخزنgithub.com/openvinotoolkit/openvino
نوشته‌شده باC++
سیستم‌عاملچندسکویی
مجوزمجوز آپاچی 2.0
وبگاه
تا تاریخدسامبر ۲۰۲۵

اوپن‌وینو (به انگلیسی: OpenVINO) یک جعبه‌ابزار نرم‌افزاری متن‌باز است که توسط اینتل تولید و برای بهینه‌سازی و استقرار مدل‌های یادگیری عمیق توسعه داده شده است. این جعبه‌ابزار از چندین قالب و نوع رایج مدل[۱] پشتیبانی می‌کند، از جمله مدل‌های زبانی بزرگ، بینایی رایانه‌ای و هوش مصنوعی مولد.

اوپن‌وینو برای سخت‌افزار اینتل بهینه‌سازی شده است، اما از پردازنده‌های مبتنی بر آرم/آرم۶۴ نیز پشتیبانی می‌کند.[۱] اگر در تجهیزات پردازش صوت مبتنی بر هوش مصنوعی، این جعبه‌ابزار را با شتاب‌دهنده عصبی و گوسی[الف] (کوته‌نوشت: GNA) اینتل ترکیب می‌شود، کاربرد گسترده‌ای دارد.

این جعبه‌ابزار که بر پایه C++ توسعه یافته است، پشتیبانی از API را برای زبان‌های سی و پایتون گسترش می‌دهد و همچنین از نود جی‌اس (در مرحله پیش‌نمایش اولیه) پشتیبانی می‌کند.

اوپن‌وینو چندسکویی است و تحت مجوز آپاچی نسخه ۲٫۰ به صورت رایگان قابل استفاده است.[۲]

روش کار

ساده‌ترین روش استفاده از اوپن‌وینو، دریافت یک مدل و اجرای مستقیم آن است. با این حال، برای دستیابی به بهترین نتایج، یک گردش‌کار کامل‌تر پیشنهاد می‌شود:[۳]

  • دریافت یک مدل در یکی از چارچوب‌های پشتیبانی‌شده،
  • تبدیل مدل به قالب اوپن‌وینو آی‌آر[ب] با استفاده از ابزار اوپن‌وینو کانورتر[پ]،
  • بهینه‌سازی مدل با استفاده از گزینه‌های در دسترس، یا در زمان آموزش یا پس از آموزش که توسط اِن‌اِن‌سی‌اِف (اوپن‌وینو) ارائه می‌شود،
  • اجرای استنتاج با استفاده از زمان‌اجرای اوپن‌وینو[ت] و تعیین یکی از چندین حالت استنتاج.

قالب مدل‌های اوپن‌وینو

قالب اوپن‌وینو آی‌آر[۴] قالب پیش‌فرض مورد استفاده برای اجرای استنتاج است. این قالب به صورت مجموعه‌ای از دو پرونده ذخیره می‌شود، شامل *.bin و *.xml که به‌ترتیب شامل وزن‌ها و توپولوژی مدل هستند. این قالب با استفاده از اِی‌پی‌آی برنامه یا یک مبدل اختصاصی، از طریق تبدیل یک مدل منتج شده از یکی از چارچوب‌های پشتیبانی‌شده، به‌دست می‌آید.

مدل‌هایی با قالب‌های پشتیبانی‌شده را می‌توان بدون تبدیل قبلی به اوپن‌وینو آی‌آر نیز مستقیماً برای استنتاج استفاده کرد. این رویکرد ساده‌تر است، اما گزینه‌های بهینه‌سازی کمتری را به مصرف کننده نهایی ارائه می‌دهد و کارایی پایین‌تری دارد. باید توجه داشت که مرحله تبدیل به صورت خودکار پیش از شروع استنتاج و به صورت خودکار انجام می‌شود. برخی از مدل‌های از پیش تبدیل‌شده را می‌توان در مخزن هاگینگ فیس یافت.[۵]

قالب‌های مدل پشتیبانی‌شده عبارت‌اند از:[۶]

پشتیانی از سیستم عامل

اوپن‌وینو روی سیستم‌عامل‌های ویندوز، لینوکس و مک‌اواس اجرا می‌شود.[۷]

جستارهای وابسته

مقایسه نرم‌افزارهای یادگیری عمیق

یادداشت‌ها

  1. ↑ Gaussian & Neural Accelerator (GNA)
  2. ↑ OpenVINO IR
  3. ↑ OpenVINO Converter
  4. ↑ OpenVINO Runtime

مراجع

  1. 1 2 "OpenVINO Compatibility and Support". OpenVINO Documentation. 24 Jan 2024.
  2. ↑ "License". OpenVINO repository. 16 Oct 2018.
  3. ↑ "License". OpenVINO repository. 16 Oct 2018.
  4. ↑ "License". OpenVINO repository. 16 Oct 2018.
  5. ↑ "License". OpenVINO repository. 16 Oct 2018.
  6. ↑ "License". OpenVINO repository. 16 Oct 2018.
  7. ↑ "License". OpenVINO repository. 16 Oct 2018.

Agrawal, Vasu (2019). طراحی از پایهٔ یک سامانهٔ تشخیص اشیای چندوجهی (PDF) (MSc). دانشگاه کارنگی ملون، پیتسبرگ، پنسیلوانیا. Archived (PDF) from the original on 26 January 2020. Driaba, Alexander; Gordeev, Aleksei; Klyachin, Vladimir (2019). "تشخیص انواع اشیاء از یک مجموعهٔ رده‌بندی‌شدهٔ مشخص به‌صورت بلادرنگ با استفاده از شبکه‌های عصبی کانولوشنی عمیق" (PDF). Institute of Mathematics and Informational Technologies Volgograd State University. Archived (PDF) from the original on 26 January 2020. Retrieved 26 January 2020. {{cite journal}}: Cite journal requires |journal= (help) Nanjappa, Ashwin (31 May 2019). راهنمای شروع سریع Caffe2: یادگیری عمیق ماژولار و مقیاس‌پذیر به‌سادگی. Packt. pp. 91–98. ISBN 978-1789137750.

پیوندهای بیرونی

  • اوپن‌وینو در گیت‌هاب
This article is issued from ویکی‌پدیا. The text is available under Creative Commons Attribution-Share Alike 4.0 unless otherwise noted. Additional terms may apply for the media files.