Avaliações e Detalhes do Produto OpenVino

A vantagem mais importante do OpenVino é a capacidade de prever em tempo real no CPU. Ele também possui vários aceleradores como GPU, VPU, FPGA. A documentação do OpenVino é muito bem mantida. Portanto, é fácil de usar. Podemos também personalizar o OpenCL. Podemos também podar e quantizar modelos de aprendizado profundo. Ele possui sua própria ferramenta de benchmarking. Tem muitos recursos de conversão de modelos, como converter qualquer modelo para sua representação intermediária a partir de onnx, pytorch, tensorflow, keras. Possui muitos exemplos de aprendizado profundo/visão computacional que já estão bem otimizados. Análise coletada por e hospedada no G2.com.

Ele tem muitas versões. Portanto, você precisa se manter atualizado para executar vários modelos de DL de forma eficiente. Você pode enfrentar conflitos de versão. Seu recurso de otimização de modelos é um pouco lento. Torna-se difícil converter os modelos mais recentes de ponta devido à implementação interna das camadas. Treinar redes neurais complexas pode ser uma preocupação, pois a conversão de modelos pode ser bastante típica. Além disso, não possui muitas referências para iniciantes. Estas são as coisas que eu não gosto no Openvino e que precisam de melhorias. Análise coletada por e hospedada no G2.com.

Eu gosto principalmente que o OpenVino esteja disponível para a maioria das plataformas, o que é uma das minhas principais características. Além disso, o fluxo de trabalho e a documentação de como usá-lo são únicos também. Eu gosto principalmente que o OpenVino esteja disponível para a maioria das plataformas, o que é uma das minhas principais características. Além disso, o fluxo de trabalho e a documentação de como usá-lo são únicos também. De acordo com a minha experiência, eles conhecerão e construirão muitas coisas novas. Análise coletada por e hospedada no G2.com.

Quando eu estava começando isso, encontrei pouca dificuldade, mas depois de algum tempo, entendi tudo muito bem. Análise coletada por e hospedada no G2.com.

OpenVino tem muitos recursos e exemplos, que podem ser utilizados para construir nossas próprias soluções personalizadas de deep learning. OpenVino tem funcionado muito bem em projetos industriais, especialmente em soluções personalizadas de visão computacional. Além disso, é muito fácil de integrar com projetos em Python e pode rodar em uma infinidade de dispositivos, o que o torna uma escolha ideal como motor de inferência. Análise coletada por e hospedada no G2.com.

A curva de aprendizado é um pouco íngreme para desenvolvedores iniciantes e novatos. Análise coletada por e hospedada no G2.com.

Velocidade de inferência aumentada - Meu tempo de inferência reduziu de 120ms para 30ms usando o OpenVINO Análise coletada por e hospedada no G2.com.

Código um pouco complexo para salvar e usar o modelo carregado Análise coletada por e hospedada no G2.com.

Modelos de Deep Learning, Formato IR, Otimização de Modelos, Ponte Ngraph, etc. A lista continua... Análise coletada por e hospedada no G2.com.

Alguns modelos falharam na conversão de arquivos IR pelos otimizadores de modelo. E a conversão deve ser otimizada e não otimizada em ambos os sentidos; às vezes, quero manter minhas operações e nós. Análise coletada por e hospedada no G2.com.

Eu gosto dos modelos pré-treinados. Eu gosto da facilidade de configuração e início. Análise coletada por e hospedada no G2.com.

Com cada iteração, eles mudam as coisas e a estrutura ou hierarquia de arquivos, então certas coisas precisavam ser alteradas. Além disso, com diferentes iterações, houve a necessidade de mudar plugins. Análise coletada por e hospedada no G2.com.

Usar o OpenVino para realizar inferência na GPU integrada da Intel ajudou minha equipe a reduzir a utilização da CPU enquanto aproveitava recursos anteriormente não utilizados. Análise coletada por e hospedada no G2.com.

Há uma falta de suporte para ajuste e otimização de granularidades do kernel com a inferência da GPU integrada. Análise coletada por e hospedada no G2.com.

*Amigável ao usuário

*Modelos de aprendizado profundo já estão disponíveis Análise coletada por e hospedada no G2.com.

*Ele apenas fornece inferências

*Modelos pré-treinados são necessários Análise coletada por e hospedada no G2.com.

Otimize e implemente a solução de aprendizado profundo em várias plataformas Intel. Permite maximizar o desempenho em qualquer tipo de processador. Análise coletada por e hospedada no G2.com.

Às vezes, o Openvino não consegue converter modelos de deep learning. Para resolver isso, você precisa criar suas próprias camadas personalizadas, e isso é difícil. Análise coletada por e hospedada no G2.com.

Acho que a melhor parte é que funciona depois de passar muito tempo aprendendo. Análise coletada por e hospedada no G2.com.

Não é fácil de aprender e a documentação é escassa. A documentação que existe não está bem organizada. Análise coletada por e hospedada no G2.com.