openVino 部署 darknet YOLOv4模型

简介:
openVino 中文官网
github项目: OpenVINO-YOLOV4
github项目:Yolo v4, v3 and v2 for Windows and Linux

1.安装openVino推理引擎

下载地址:openVino 中文官网
https://docs.openvinotoolkit.org/cn/latest/index.html
注意:github项目:OpenVINO-YOLOV4这个项目要转换YOLO V4版本的权重文件的话,只能用openVino2021.3或者2021.4版本的,低于这个版本的openvino是转换不了的!!!(今天2021年4月9日,现在2021.3 2021.4版本都有)

下载地址

后面直接一路安装即可。

2. 下载OpenVINO-YOLOV4项目代码

下载地址:github项目:OpenVINO-YOLOV4

项目直接克隆到本地即可

3.下载yolov4.weights

下载地址

在这里插入图片描述

4.转换

4.1 yolov4.weights文件放到OpenVino-YOLOV4项目下

模型转换

4.2 yolov4.weights文件格式转为.pb格式

打开命令行,进入到OpenVino-YOLOV4项目目录下,输入以下命令装换yolov4.weights为.pb文件

python convert_weights_pb.py --class_names cfg/coco.names --weights_file yolov4.weights --data_format NHWC
在这里插入图片描述
在这里插入图片描述

4.3 .pb格式文件转换为供OpenVINO使用的.bin .xml文件

  • 启动OpenVino 临时环境
    在命令行进入openvino_2021\bin\setupvars.bat所在目录,输入setupvars.bat启动OpenVino临时环境。例如,我的安装路径是:G:\openVINO\install\openvino_2021\bin,则按下面操作


    安装路径

    启动临时环境
  • 把.pb格式的文件转为.bin和.xml文件
    回到OpenVino-YOLOV4路径下(因为刚刚转换的frozen_darknet_yolov4_model.pb文件在此目录下),输入
python "G:\openVINO\install\openvino_2021.3.394\deployment_tools\model_optimizer\mo.py" --input_model frozen_darknet_yolov4_model.pb --transformations_config yolov4.json --batch 1 --reverse_input_channels

"G:\openVINO\install\openvino_2021.3.394\deployment_tools\model_optimizer\mo.py"是mo.py文件的路径(如果你的OpenVino安装在其他盘或者是其他版本的,把前面的G:\openVINO\install\openvino_2021.3.394换为对应的就可以了)


转换

转换成功后将会有两个文件生成如下


在这里插入图片描述
  • 注:我这里使用的环境是tensorflow1.15.5和numpy1.18.5,numpy的版本是1.20的话会报错


    在这里插入图片描述

    把numpy降低为1.19或1.18就不会有这个问题了


    在这里插入图片描述

5. 在OpenVino的推理引擎中的使用

在OpenVino-YOLOV4项目的pythondemo\2021.3目录下有个object_detection_demo_yolov3_async.py文件,这是一个demo文件可以调用刚刚转换的.bin 和 .xml文件给OpenVINO推理引擎用。


demo文件

命令行下输入

python pythondemo\2021.3\object_detection_demo_yolov3_async.py -i G:\\a.avi -m frozen_darknet_yolov4_model.xml  -d CPU
  • -i input 输入的图片视频路径(我自己测试时只能检测视频)
  • -d device ,可选CPU 或GPU
  • -m model ,模型文件.xml

6. 测试

测试视频
链接: https://pan.baidu.com/s/1i7Edyn2VeLI3FADidWC0AA 提取码: n2he

测试条件:

  • Windows 10
  • cpu i5-10400 @2.9GHz
  • cuda 10.1 + nvidia Quadro M4000
  • Intel Graphics 630

原模型的测试

  • 原模型在cpu上的运行测试,fps 在0.3左右,cpu已经100%跑满


    在这里插入图片描述
  • 原模型yolov4.weights在Quadro M4000 + cuda10.1上的性能,fps在2.5左右,但是GPU的利用率才有20%左右


    在这里插入图片描述

openvino转换后的模型实际测试

  • 在CPU上运行,fps 3.2左右


    在这里插入图片描述
  • 在intel GPU上运行 fps3.0左右


    在这里插入图片描述

总结:

从上面的结果看使用openvino加速的效果还是非常明显的,原模型在cpu上运行速度才有0.25fps,但是经过openvino优化后在cpu上运行速度可以到3.0fps左右的速度,快乐近12倍。经过优化后在intel CPU上运行的速度和在intel GPU上运行的速度基本没有差别,可能是GPU本身性能不怎么样,也可能是intel的GPU对深度学习类的计算加速效果没有那么好。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,427评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,551评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,747评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,939评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,955评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,737评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,448评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,352评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,834评论 1 317
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,992评论 3 338
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,133评论 1 351
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,815评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,477评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,022评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,147评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,398评论 3 373
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,077评论 2 355

推荐阅读更多精彩内容

  • 夜莺2517阅读 127,720评论 1 9
  • 版本:ios 1.2.1 亮点: 1.app角标可以实时更新天气温度或选择空气质量,建议处女座就不要选了,不然老想...
    我就是沉沉阅读 6,898评论 1 6
  • 我是黑夜里大雨纷飞的人啊 1 “又到一年六月,有人笑有人哭,有人欢乐有人忧愁,有人惊喜有人失落,有的觉得收获满满有...
    陌忘宇阅读 8,536评论 28 53
  • 兔子虽然是枚小硕 但学校的硕士四人寝不够 就被分到了博士楼里 两人一间 在学校的最西边 靠山 兔子的室友身体不好 ...
    待业的兔子阅读 2,604评论 2 9