Openvino是什么，與Movidius SDK的區(qū)別

AI的熱度似乎壓過了物聯(lián)網(wǎng)，但是兩者有著必然的聯(lián)系，那就是物聯(lián)網(wǎng)設備收集了大量數(shù)據(jù)，才為AI進行計算分析打下了基礎。根據(jù)IDC預測，到2020年全球會有超過500億的智能設備，超過2120億個傳感器。有研究機構(gòu)預測，隨著物聯(lián)網(wǎng)的快速發(fā)展，到2020年每個互聯(lián)網(wǎng)用戶一天將產(chǎn)生大約1．5GB的數(shù)據(jù)，每個智能醫(yī)院每天將產(chǎn)生超過3TB的數(shù)據(jù)；每輛自動駕駛汽車每天將產(chǎn)生超過4TB的數(shù)據(jù)，一架聯(lián)網(wǎng)飛機每天將產(chǎn)生超過40TB的數(shù)據(jù)；一家智慧工廠，每臺設備上有很多個傳感器，時時刻刻都會產(chǎn)生數(shù)據(jù)，按照一千臺設備計算，那么整個工廠每天產(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）。

可見未來的世界就是一片數(shù)據(jù)的海洋，我們周圍都充斥著海量的數(shù)據(jù)。然而數(shù)據(jù)的價值在于分析利用，而非簡單存儲。數(shù)據(jù)量在不斷在增長，我們不可能把所有數(shù)據(jù)都通過網(wǎng)絡傳到云端，帶寬增長的速度是慢于數(shù)據(jù)增長的速度。對于實時性要求較高的應用場景，我們需要在邊緣對數(shù)據(jù)進行判斷，比如自動駕駛、無人駕駛等領域。對于隱私保護要求比較高的場景，比如醫(yī)療信息或者用戶不愿意進行云端分享的數(shù)據(jù)，需要在本地進行存儲。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。

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)更多是線性思維，物體產(chǎn)生數(shù)據(jù)，通過互聯(lián)網(wǎng)傳到云端，分析產(chǎn)生價值，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)沒法挖掘，這是因為存儲和分析要有一個分布。如今分布式計算的概念已經(jīng)比較成熟，現(xiàn)在全球講物計算，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，以解決邊緣的問題，所以業(yè)界對邊緣計算完全有共識。關(guān)于應用，一是實時應用；二是成本問題；三是分析和預測，過去只能是分析已經(jīng)發(fā)生的事件，那么怎么通過發(fā)生的事件了解預測未來？四是精準性的問題，涉及信息安全、信息保密。

帶寬、存儲、延遲和安全性是邊緣計算的驅(qū)動因素，預計2018年50％的物聯(lián)網(wǎng)部署將受到網(wǎng)絡瓶頸的限制，到2019難45％的數(shù)據(jù)將在邊緣進行存儲、分析和處理，因此深度學習的采用率不斷增長，2016年深度學習收入為6．55億，預計到2025年將增長到350億美元。

在邊緣進行數(shù)據(jù)處理也同樣需要人工智能算法，現(xiàn)在來看這一條件已經(jīng)成熟。英特爾中國區(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，“從人工智能演進過程中可以看到，從最早的人工智能計算，不管是訓練還是推理都發(fā)生在數(shù)據(jù)中心，這是因為深度學習需要大量的計算，只有在數(shù)據(jù)中心運用一些通用的處理器才能夠提供如此巨大的計算量，以及提供這些計算所需要的能耗。近年來隨著人工智能技術(shù)的發(fā)展，無論在算法方面還是在芯片方面，人工智能都達到了一個很高的水平。在算法方面，很多網(wǎng)絡壓縮的算法已經(jīng)被廣泛使用，從而降低了人工智能的計算量，同時用于人工智能專用的芯片以及FPGA，使一些深度學習的運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、智能網(wǎng)絡視頻存儲器、NVR等產(chǎn)品?！?/p>

注重視頻，OpenVINO助力邊緣側(cè)實現(xiàn)深度學習開發(fā)

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

在整個系統(tǒng)端到端的網(wǎng)元里面，不同的網(wǎng)元所提供的計算量不同，支撐的操作系統(tǒng)不同，適合的芯片架構(gòu)也不同。比如一個攝像機功耗大概15W，提供給智能運算的能量2－3W，選用ASIC架構(gòu)最合適；數(shù)據(jù)中心對靈活度要求較高，適合采用通用的處理器。而不同的芯片往往有不同的開發(fā)方法，也就是說當工程師針對某一種芯片所開發(fā)的軟件換一個架構(gòu)就可能無法使用，這無形中就增加了開發(fā)難度。為了幫助客戶更好地進行視頻處理，英特爾面向中國市場推出了專注于加速深度學習并將視覺數(shù)據(jù)轉(zhuǎn)換為業(yè)務洞察的OpenVINO工具包，這將充分幫助企業(yè)在邊緣側(cè)快速實現(xiàn)高性能計算機視覺與深度學習的開發(fā)，為智能視覺開辟了一條堅實的創(chuàng)新路徑。

陳偉博士介紹，“OpenVINO工具包包括英特爾深度學習部署工具包，具有模型優(yōu)化器和推理引擎，以及面向OpenCV＊和OpenVx＊的優(yōu)化計算機視覺庫。模型優(yōu)化可以把開發(fā)者基于一些開放的深度學習的框架所開發(fā)的網(wǎng)絡模型，針對開發(fā)者所選用的目標平臺進行優(yōu)化，把這些優(yōu)化的結(jié)果轉(zhuǎn)換成一個中間表示文件，建成IR文件。下一步，推理引擎會去讀取IR文件，然后利用相應的硬件插件把這些IR文件下載到相應目標平臺上進行執(zhí)行，所以這是當前的部署工具套件能夠解決的問題。OpenVINO工具包可通過基于英特爾架構(gòu)的處理器（CPU）及核顯（Integrated GPU）和深度學習加速器（FPGA、Movidius VPU）的深度學習加速芯片，增強視覺系統(tǒng)功能和性能?！?/p>

在計算機視覺領域，業(yè)界有兩類方法被廣泛的使用。一類是深度學習，另一類是傳統(tǒng)的計算機視覺的方法。深度學習在做物體檢測、目標識別方面具有優(yōu)勢，在替代傳統(tǒng)的計算機視覺。另外一些應用的場景，計算機視覺仍然有自己的用武之地，比如一些光流的計算或者圖像的增強，利用均衡的方式去做圖像的增強，傳統(tǒng)計算機視覺仍然是適用的，這是因為深度學習的基礎是卷積神經(jīng)網(wǎng)絡，卷積神經(jīng)網(wǎng)絡對于目標檢測和目標識別比較有效，但是對于圖像增強并不十分適用。陳偉博士強調(diào)，“在OpenVINO里面，我們對這兩類方法都有很好的支持，OpenVINO包含一個深度學習的部署工具套件，可以幫助開發(fā)者把已經(jīng)訓練好的網(wǎng)絡模型部署到目標平臺之上進行推理操作，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，“英特爾物聯(lián)網(wǎng)事業(yè)部以前也推出過其它SDK，比如Movidius SDK，主要做媒體處理。OpenVINO實際上包含了Movidius SDK，我們在這個基礎之上做了進一步的功能擴充，功能的擴充主要體現(xiàn)在幾個方面：一是增加了對深度學習功能的支持，其中包含一個深度學習的部署工具套件，里面包括了模型優(yōu)化器和推理引擎；另外，我們在Movidius SDK基礎之上，增加了對OpenCV、OpenVX等這些在傳統(tǒng)計算機視覺領域用的比較普遍的函數(shù)庫的支持，而且這些函數(shù)庫都在英特爾的CPU上做了優(yōu)化。與Movidius SDK相比，原來只是做編碼、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，我們看到一個完整的視頻處理系統(tǒng)，從它的處理流程來看，第一步要做編解碼，解碼以后，把解碼的圖片交給相應的處理引擎做深度學習或者是傳統(tǒng)的計算機視覺的一些處理操作，得到最終的結(jié)果。我們把在整個流水線里面所用到的所有工具打在一起放到OpenVINO里面，讓開發(fā)者只用一個工具把所有的需求都能滿足?！?/p>

張宇博士強調(diào)，“OpenVINO具有兩個優(yōu)勢，第一可以通過一次訓練來滿足不同的硬件平臺，節(jié)約成本；第二可以加速產(chǎn)品化的過程，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，請戳>> http://www.ex-cimer.com/openvino