Openvino是什么，與Movidius SDK的區(qū)別

AI的熱度似乎壓過(guò)了物聯(lián)網(wǎng)，但是兩者有著必然的聯(lián)系，那就是物聯(lián)網(wǎng)設(shè)備收集了大量數(shù)據(jù)，才為AI進(jìn)行計(jì)算分析打下了基礎(chǔ)。根據(jù)IDC預(yù)測(cè)，到2020年全球會(huì)有超過(guò)500億的智能設(shè)備，超過(guò)2120億個(gè)傳感器。有研究機(jī)構(gòu)預(yù)測(cè)，隨著物聯(lián)網(wǎng)的快速發(fā)展，到2020年每個(gè)互聯(lián)網(wǎng)用戶(hù)一天將產(chǎn)生大約1．5GB的數(shù)據(jù)，每個(gè)智能醫(yī)院每天將產(chǎn)生超過(guò)3TB的數(shù)據(jù)；每輛自動(dòng)駕駛汽車(chē)每天將產(chǎn)生超過(guò)4TB的數(shù)據(jù)，一架聯(lián)網(wǎng)飛機(jī)每天將產(chǎn)生超過(guò)40TB的數(shù)據(jù)；一家智慧工廠(chǎng)，每臺(tái)設(shè)備上有很多個(gè)傳感器，時(shí)時(shí)刻刻都會(huì)產(chǎn)生數(shù)據(jù)，按照一千臺(tái)設(shè)備計(jì)算，那么整個(gè)工廠(chǎng)每天產(chǎn)生的數(shù)據(jù)量將是1PB，到2020年全世界每天產(chǎn)生的數(shù)據(jù)總量將是44ZB（注意：1ZB＝1x1012 GB）。

可見(jiàn)未來(lái)的世界就是一片數(shù)據(jù)的海洋，我們周?chē)汲涑庵Ａ康臄?shù)據(jù)。然而數(shù)據(jù)的價(jià)值在于分析利用，而非簡(jiǎn)單存儲(chǔ)。數(shù)據(jù)量在不斷在增長(zhǎng)，我們不可能把所有數(shù)據(jù)都通過(guò)網(wǎng)絡(luò)傳到云端，帶寬增長(zhǎng)的速度是慢于數(shù)據(jù)增長(zhǎng)的速度。對(duì)于實(shí)時(shí)性要求較高的應(yīng)用場(chǎng)景，我們需要在邊緣對(duì)數(shù)據(jù)進(jìn)行判斷，比如自動(dòng)駕駛、無(wú)人駕駛等領(lǐng)域。對(duì)于隱私保護(hù)要求比較高的場(chǎng)景，比如醫(yī)療信息或者用戶(hù)不愿意進(jìn)行云端分享的數(shù)據(jù)，需要在本地進(jìn)行存儲(chǔ)。因此數(shù)據(jù)處理從云端轉(zhuǎn)移到邊緣端是一種必然趨勢(shì)。

數(shù)據(jù)處理從云端向邊緣遷移

英特爾副總裁兼物聯(lián)網(wǎng)事業(yè)部中國(guó)區(qū)總經(jīng)理陳偉博士分析，“傳統(tǒng)的物聯(lián)網(wǎng)更多是線(xiàn)性思維，物體產(chǎn)生數(shù)據(jù)，通過(guò)互聯(lián)網(wǎng)傳到云端，分析產(chǎn)生價(jià)值，而如今的物聯(lián)網(wǎng)完全是立體三維的概念?，F(xiàn)在產(chǎn)生的數(shù)據(jù)90％被浪費(fèi)了，有的數(shù)據(jù)產(chǎn)生以后從排氣管里面漏掉了，有的數(shù)據(jù)沒(méi)法挖掘，這是因?yàn)榇鎯?chǔ)和分析要有一個(gè)分布。如今分布式計(jì)算的概念已經(jīng)比較成熟，現(xiàn)在全球講物計(jì)算，就是云要拋到物里面，做云的人要把它的架構(gòu)切到邊緣來(lái)，以解決邊緣的問(wèn)題，所以業(yè)界對(duì)邊緣計(jì)算完全有共識(shí)。關(guān)于應(yīng)用，一是實(shí)時(shí)應(yīng)用；二是成本問(wèn)題；三是分析和預(yù)測(cè)，過(guò)去只能是分析已經(jīng)發(fā)生的事件，那么怎么通過(guò)發(fā)生的事件了解預(yù)測(cè)未來(lái)？四是精準(zhǔn)性的問(wèn)題，涉及信息安全、信息保密。

帶寬、存儲(chǔ)、延遲和安全性是邊緣計(jì)算的驅(qū)動(dòng)因素，預(yù)計(jì)2018年50％的物聯(lián)網(wǎng)部署將受到網(wǎng)絡(luò)瓶頸的限制，到2019難45％的數(shù)據(jù)將在邊緣進(jìn)行存儲(chǔ)、分析和處理，因此深度學(xué)習(xí)的采用率不斷增長(zhǎng)，2016年深度學(xué)習(xí)收入為6．55億，預(yù)計(jì)到2025年將增長(zhǎng)到350億美元。

在邊緣進(jìn)行數(shù)據(jù)處理也同樣需要人工智能算法，現(xiàn)在來(lái)看這一條件已經(jīng)成熟。英特爾中國(guó)區(qū)物聯(lián)網(wǎng)事業(yè)部首席技術(shù)官兼首席工程師張宇博士分析，“從人工智能演進(jìn)過(guò)程中可以看到，從最早的人工智能計(jì)算，不管是訓(xùn)練還是推理都發(fā)生在數(shù)據(jù)中心，這是因?yàn)樯疃葘W(xué)習(xí)需要大量的計(jì)算，只有在數(shù)據(jù)中心運(yùn)用一些通用的處理器才能夠提供如此巨大的計(jì)算量，以及提供這些計(jì)算所需要的能耗。近年來(lái)隨著人工智能技術(shù)的發(fā)展，無(wú)論在算法方面還是在芯片方面，人工智能都達(dá)到了一個(gè)很高的水平。在算法方面，很多網(wǎng)絡(luò)壓縮的算法已經(jīng)被廣泛使用，從而降低了人工智能的計(jì)算量，同時(shí)用于人工智能專(zhuān)用的芯片以及FPGA，使一些深度學(xué)習(xí)的運(yùn)算可以從云端推送到邊緣，所以市面上出現(xiàn)了智能攝像機(jī)、智能網(wǎng)絡(luò)視頻存儲(chǔ)器、NVR等產(chǎn)品?！?/p>

注重視頻，OpenVINO助力邊緣側(cè)實(shí)現(xiàn)深度學(xué)習(xí)開(kāi)發(fā)

英特爾將視頻稱(chēng)為“眼睛AI”，也就是眼見(jiàn)為實(shí)，是因?yàn)橐曨l的數(shù)據(jù)量最大，也最復(fù)雜，濃度也最高，確實(shí)擠壓到了端到端的架構(gòu)，人腦就在不斷處理通過(guò)眼睛看到的視頻內(nèi)容，在AI領(lǐng)域就是機(jī)器視覺(jué)處理。對(duì)比邊緣設(shè)備和云端設(shè)備，邊緣設(shè)備能夠承載的功耗，能夠支持的操作系統(tǒng)，能夠提供的內(nèi)存容量都不同，所以在邊緣運(yùn)行的算法要進(jìn)行特定優(yōu)化，因此對(duì)工具也有特定的要求。英特爾收購(gòu)了Movidius和Altera將FPGA等產(chǎn)品引入進(jìn)來(lái)，性能和功耗比通用處理器表現(xiàn)更好。從硬件的角度來(lái)講，可以勾勒出一個(gè)功耗、成本最優(yōu)化的解決方案。有靈活、有多元、有高質(zhì)量的硬件是一個(gè)必要的條件，但是要將這些硬件直接應(yīng)用到人工智能的應(yīng)用上，還有很多的壁壘。

在整個(gè)系統(tǒng)端到端的網(wǎng)元里面，不同的網(wǎng)元所提供的計(jì)算量不同，支撐的操作系統(tǒng)不同，適合的芯片架構(gòu)也不同。比如一個(gè)攝像機(jī)功耗大概15W，提供給智能運(yùn)算的能量2－3W，選用ASIC架構(gòu)最合適；數(shù)據(jù)中心對(duì)靈活度要求較高，適合采用通用的處理器。而不同的芯片往往有不同的開(kāi)發(fā)方法，也就是說(shuō)當(dāng)工程師針對(duì)某一種芯片所開(kāi)發(fā)的軟件換一個(gè)架構(gòu)就可能無(wú)法使用，這無(wú)形中就增加了開(kāi)發(fā)難度。為了幫助客戶(hù)更好地進(jìn)行視頻處理，英特爾面向中國(guó)市場(chǎng)推出了專(zhuān)注于加速深度學(xué)習(xí)并將視覺(jué)數(shù)據(jù)轉(zhuǎn)換為業(yè)務(wù)洞察的OpenVINO工具包，這將充分幫助企業(yè)在邊緣側(cè)快速實(shí)現(xiàn)高性能計(jì)算機(jī)視覺(jué)與深度學(xué)習(xí)的開(kāi)發(fā)，為智能視覺(jué)開(kāi)辟了一條堅(jiān)實(shí)的創(chuàng)新路徑。

陳偉博士介紹，“OpenVINO工具包包括英特爾深度學(xué)習(xí)部署工具包，具有模型優(yōu)化器和推理引擎，以及面向OpenCV＊和OpenVx＊的優(yōu)化計(jì)算機(jī)視覺(jué)庫(kù)。模型優(yōu)化可以把開(kāi)發(fā)者基于一些開(kāi)放的深度學(xué)習(xí)的框架所開(kāi)發(fā)的網(wǎng)絡(luò)模型，針對(duì)開(kāi)發(fā)者所選用的目標(biāo)平臺(tái)進(jìn)行優(yōu)化，把這些優(yōu)化的結(jié)果轉(zhuǎn)換成一個(gè)中間表示文件，建成IR文件。下一步，推理引擎會(huì)去讀取IR文件，然后利用相應(yīng)的硬件插件把這些IR文件下載到相應(yīng)目標(biāo)平臺(tái)上進(jìn)行執(zhí)行，所以這是當(dāng)前的部署工具套件能夠解決的問(wèn)題。OpenVINO工具包可通過(guò)基于英特爾架構(gòu)的處理器（CPU）及核顯（Integrated GPU）和深度學(xué)習(xí)加速器（FPGA、Movidius VPU）的深度學(xué)習(xí)加速芯片，增強(qiáng)視覺(jué)系統(tǒng)功能和性能。”

在計(jì)算機(jī)視覺(jué)領(lǐng)域，業(yè)界有兩類(lèi)方法被廣泛的使用。一類(lèi)是深度學(xué)習(xí)，另一類(lèi)是傳統(tǒng)的計(jì)算機(jī)視覺(jué)的方法。深度學(xué)習(xí)在做物體檢測(cè)、目標(biāo)識(shí)別方面具有優(yōu)勢(shì)，在替代傳統(tǒng)的計(jì)算機(jī)視覺(jué)。另外一些應(yīng)用的場(chǎng)景，計(jì)算機(jī)視覺(jué)仍然有自己的用武之地，比如一些光流的計(jì)算或者圖像的增強(qiáng)，利用均衡的方式去做圖像的增強(qiáng)，傳統(tǒng)計(jì)算機(jī)視覺(jué)仍然是適用的，這是因?yàn)樯疃葘W(xué)習(xí)的基礎(chǔ)是卷積神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)對(duì)于目標(biāo)檢測(cè)和目標(biāo)識(shí)別比較有效，但是對(duì)于圖像增強(qiáng)并不十分適用。陳偉博士強(qiáng)調(diào)，“在OpenVINO里面，我們對(duì)這兩類(lèi)方法都有很好的支持，OpenVINO包含一個(gè)深度學(xué)習(xí)的部署工具套件，可以幫助開(kāi)發(fā)者把已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)模型部署到目標(biāo)平臺(tái)之上進(jìn)行推理操作，因此，OpenVINO是幫助大家做推理的，而不是幫助大家做訓(xùn)練的?！?/p>

OpenVINO與Movidius SDK的本質(zhì)區(qū)別

英特爾以前也推出了SDK，這款OpenVINO和它們有什么區(qū)別？張宇博士解釋?zhuān)坝⑻貭栁锫?lián)網(wǎng)事業(yè)部以前也推出過(guò)其它SDK，比如Movidius SDK，主要做媒體處理。OpenVINO實(shí)際上包含了Movidius SDK，我們?cè)谶@個(gè)基礎(chǔ)之上做了進(jìn)一步的功能擴(kuò)充，功能的擴(kuò)充主要體現(xiàn)在幾個(gè)方面：一是增加了對(duì)深度學(xué)習(xí)功能的支持，其中包含一個(gè)深度學(xué)習(xí)的部署工具套件，里面包括了模型優(yōu)化器和推理引擎；另外，我們?cè)贛ovidius SDK基礎(chǔ)之上，增加了對(duì)OpenCV、OpenVX等這些在傳統(tǒng)計(jì)算機(jī)視覺(jué)領(lǐng)域用的比較普遍的函數(shù)庫(kù)的支持，而且這些函數(shù)庫(kù)都在英特爾的CPU上做了優(yōu)化。與Movidius SDK相比，原來(lái)只是做編碼、解碼的加速，現(xiàn)在不僅能做編解碼的加速，也能做一些視頻處理工作，我們把MovidiusSDK結(jié)合在一起的目的是，我們看到一個(gè)完整的視頻處理系統(tǒng)，從它的處理流程來(lái)看，第一步要做編解碼，解碼以后，把解碼的圖片交給相應(yīng)的處理引擎做深度學(xué)習(xí)或者是傳統(tǒng)的計(jì)算機(jī)視覺(jué)的一些處理操作，得到最終的結(jié)果。我們把在整個(gè)流水線(xiàn)里面所用到的所有工具打在一起放到OpenVINO里面，讓開(kāi)發(fā)者只用一個(gè)工具把所有的需求都能滿(mǎn)足?！?/p>

張宇博士強(qiáng)調(diào)，“OpenVINO具有兩個(gè)優(yōu)勢(shì)，第一可以通過(guò)一次訓(xùn)練來(lái)滿(mǎn)足不同的硬件平臺(tái)，節(jié)約成本；第二可以加速產(chǎn)品化的過(guò)程，從芯片到做出產(chǎn)品，中間的周期變短了，產(chǎn)品可以更快的上市加速流轉(zhuǎn)?！?/p>

想要查看更多OpenVINO相關(guān)技術(shù)與資料，請(qǐng)戳>> http://m.butianyuan.cn/openvino