OpenVino Reseñas y Detalles del Producto

La ventaja más importante de OpenVino es la capacidad de predecir en tiempo real en CPU. También tiene varios aceleradores como GPU, VPU, FPGA. La documentación de OpenVino está muy bien mantenida. Por lo tanto, es fácil de usar. También podemos personalizar OpenCL. También podemos podar y cuantizar modelos de aprendizaje profundo. Tiene su propia herramienta de evaluación comparativa. Tiene muchas características de conversión de modelos. Como convertir cualquier modelo a su representación intermedia desde onnx, pytorch, tensorflow, keras. Tiene muchos ejemplos de aprendizaje profundo/visión por computadora que ya están bien optimizados. Reseña recopilada por y alojada en G2.com.

Tiene muchas versiones. Así que necesitas mantenerte actualizado para ejecutar varios modelos de DL de manera eficiente. Podrías tener conflictos de versiones. Su característica de optimización de modelos es un poco lenta. Se vuelve difícil convertir los últimos modelos de vanguardia debido a la implementación interna de capas. Entrenar redes neuronales complejas puede ser un problema ya que la conversión de modelos puede ser bastante típica. Además, no tiene más referencias para principiantes. Estas son las cosas que no me gustan de Openvino y necesitan mejoras. Reseña recopilada por y alojada en G2.com.

Me gusta mucho que OpenVino esté disponible para la mayoría de las plataformas, lo cual es una de mis características principales. Aparte de esto, el flujo de trabajo y la documentación sobre cómo usarlo también son únicos. Me gusta mucho que OpenVino esté disponible para la mayoría de las plataformas, lo cual es una de mis características principales. Aparte de esto, el flujo de trabajo y la documentación sobre cómo usarlo también son únicos. Según mi experiencia, conocerán y construirán muchas cosas nuevas. Reseña recopilada por y alojada en G2.com.

Cuando estaba comenzando esto, encontré poca dificultad, pero después de algún tiempo, entendí todo muy bien. Reseña recopilada por y alojada en G2.com.

OpenVino tiene muchos recursos y ejemplos, que se pueden utilizar para construir nuestras propias soluciones personalizadas de aprendizaje profundo. OpenVino ha funcionado muy bien en proyectos industriales, especialmente en soluciones personalizadas de visión por computadora. Además, es muy fácil de integrar con proyectos de Python y puede ejecutarse en una gran cantidad de dispositivos, lo que lo convierte en una opción ideal como motor de inferencia. Reseña recopilada por y alojada en G2.com.

La curva de aprendizaje es un poco empinada para los desarrolladores principiantes y novatos. Reseña recopilada por y alojada en G2.com.

Aumento de la velocidad de inferencia - Mi tiempo de inferencia se redujo de 120ms a 30ms usando OpenVINO Reseña recopilada por y alojada en G2.com.

Código un poco complejo para guardar y usar el modelo cargado Reseña recopilada por y alojada en G2.com.

Modelos de aprendizaje profundo, formato IR, optimización de modelos, puente Ngraph, etc. La lista continúa... Reseña recopilada por y alojada en G2.com.

Algunos modelos fallaron por los optimizadores de modelos al convertir archivos IR. Y la conversión debería ser en ambos sentidos, optimizada y no optimizada; a veces, quiero conservar mis operaciones y nodos. Reseña recopilada por y alojada en G2.com.

Me gustan los modelos preentrenados. Me gusta la facilidad de configuración y de empezar. Reseña recopilada por y alojada en G2.com.

Con cada iteración cambian las cosas y la estructura o jerarquía de archivos, por lo que ciertas cosas necesitaban ser cambiadas. También con diferentes iteraciones hubo una necesidad de cambiar los plugins. Reseña recopilada por y alojada en G2.com.

Usar OpenVino para realizar inferencias en la GPU integrada de Intel ayudó a mi equipo a reducir la utilización de la CPU mientras aprovechaba recursos que antes no se utilizaban. Reseña recopilada por y alojada en G2.com.

Hay una falta de soporte para la afinación del núcleo y las granularidades de optimización con la inferencia de GPU integrada. Reseña recopilada por y alojada en G2.com.

*Amigable para el usuario

*Fácil de usar

*Modelos de aprendizaje profundo ya están disponibles Reseña recopilada por y alojada en G2.com.

*Solo proporciona inferencias

*Se requieren modelos preentrenados Reseña recopilada por y alojada en G2.com.

Optimiza y despliega la solución de aprendizaje profundo en múltiples plataformas de Intel. Permite maximizar el rendimiento en cualquier tipo de procesadores. Reseña recopilada por y alojada en G2.com.

A veces Openvino no puede convertir modelos de aprendizaje profundo. Para resolver esto, necesitas crear tus propias capas personalizadas y es difícil. Reseña recopilada por y alojada en G2.com.

Supongo que la mejor parte es que funciona una vez que pasas mucho tiempo aprendiéndolo. Reseña recopilada por y alojada en G2.com.

No es fácil de aprender y la documentación es escasa. La documentación que existe no está bien organizada. Reseña recopilada por y alojada en G2.com.