Avis et détails du produit OpenVino

Le principal avantage d'OpenVino est sa capacité à prédire en temps réel sur CPU. Il dispose également de divers accélérateurs comme le GPU, le VPU, le FPGA. La documentation d'OpenVino est très bien entretenue. Par conséquent, il est facile à utiliser. Nous pouvons également personnaliser OpenCL. Nous pouvons aussi élaguer et quantifier les modèles d'apprentissage profond. Il possède son propre outil de benchmarking. Il dispose de nombreuses fonctionnalités de conversion de modèles, comme la conversion de n'importe quel modèle en sa représentation intermédiaire à partir de onnx, pytorch, tensorflow, keras. Il propose de nombreux exemples d'apprentissage profond/vision par ordinateur déjà bien optimisés. Avis collecté par et hébergé sur G2.com.

Il a de nombreuses versions. Donc, vous devez rester à jour pour exécuter efficacement divers modèles de DL. Vous pourriez rencontrer des conflits de version. Sa fonctionnalité d'optimisation de modèle est un peu lente. Il devient difficile de convertir les derniers modèles à la pointe de la technologie en raison de l'implémentation interne des couches. L'entraînement de réseaux neuronaux complexes peut être un problème car la conversion de modèles peut être assez typique. De plus, il n'a pas beaucoup de références pour les débutants. Ce sont les choses que je n'aime pas à propos d'Openvino et qui nécessitent des améliorations. Avis collecté par et hébergé sur G2.com.

J'aime principalement qu'OpenVino soit disponible pour la plupart des plateformes, ce qui est l'une de mes principales caractéristiques. En dehors de cela, le flux de travail et la documentation sur la façon de l'utiliser sont également uniques. J'aime principalement qu'OpenVino soit disponible pour la plupart des plateformes, ce qui est l'une de mes principales caractéristiques. En dehors de cela, le flux de travail et la documentation sur la façon de l'utiliser sont également uniques. D'après mon expérience, ils connaîtront et construiront beaucoup de nouvelles choses. Avis collecté par et hébergé sur G2.com.

Quand je commençais cela, je trouvais peu de difficulté, mais après quelque temps, je comprenais tout très bien. Avis collecté par et hébergé sur G2.com.

OpenVino dispose de nombreuses ressources et exemples, qui peuvent être utilisés pour construire nos propres solutions de deep learning sur mesure. OpenVino a très bien fonctionné dans des projets industriels, en particulier dans des solutions de vision par ordinateur sur mesure. De plus, il est très facile à intégrer avec des projets Python et peut fonctionner sur une multitude d'appareils, ce qui en fait un choix idéal en tant que moteur d'inférence. Avis collecté par et hébergé sur G2.com.

La courbe d'apprentissage est un peu raide pour les développeurs débutants et novices. Avis collecté par et hébergé sur G2.com.

Vitesse d'inférence augmentée - Mon temps d'inférence est passé de 120 ms à 30 ms en utilisant OpenVINO Avis collecté par et hébergé sur G2.com.

Un petit code complexe pour sauvegarder et utiliser un modèle chargé Avis collecté par et hébergé sur G2.com.

Les modèles d'apprentissage profond prennent en charge, le format IR, l'optimisation des modèles, le pont Ngraph, etc. La liste continue... Avis collecté par et hébergé sur G2.com.

Certains modèles ont échoué par les optimiseurs de modèles à convertir les fichiers IR. Et la conversion devrait être dans les deux sens, optimisée et non optimisée ; parfois, je veux conserver mes opérations et nœuds. Avis collecté par et hébergé sur G2.com.

J'aime les modèles pré-entraînés. J'aime la facilité de configuration et de démarrage. Avis collecté par et hébergé sur G2.com.

Avec chaque itération, ils modifient les choses et la structure ou la hiérarchie des fichiers, donc certaines choses devaient être changées. Aussi, avec différentes itérations, il y avait un besoin de changer les plugins. Avis collecté par et hébergé sur G2.com.

L'utilisation d'OpenVino pour effectuer des inférences sur le GPU intégré d'Intel a aidé mon équipe à réduire l'utilisation du CPU tout en utilisant des ressources auparavant inutilisées. Avis collecté par et hébergé sur G2.com.

Il y a un manque de support pour le réglage et l'optimisation des granularités du noyau avec l'inférence GPU intégrée. Avis collecté par et hébergé sur G2.com.

*Convivial

*Facile à utiliser

*Les modèles d'apprentissage profond sont déjà disponibles Avis collecté par et hébergé sur G2.com.

*Il ne fournit que des inférences

*Des modèles pré-entraînés sont nécessaires Avis collecté par et hébergé sur G2.com.

Optimisez et déployez une solution d'apprentissage profond sur plusieurs plateformes Intel. Cela permet de maximiser les performances sur tout type de processeurs. Avis collecté par et hébergé sur G2.com.

Parfois, Openvino n'est pas capable de convertir les modèles d'apprentissage profond. Pour résoudre cela, vous devez créer vos propres couches personnalisées et c'est difficile. Avis collecté par et hébergé sur G2.com.

Je suppose que le meilleur, c'est que cela fonctionne une fois que vous avez passé beaucoup de temps à l'apprendre. Avis collecté par et hébergé sur G2.com.

Pas facile à apprendre et la documentation est rare. La documentation qui existe n'est pas bien organisée. Avis collecté par et hébergé sur G2.com.