本文档指引用户如何基于OpenVINO对飞桨模型进行推理，并编译执行。进行以下编译操作前请先安装好OpenVINO，OpenVINO安装请参考官网OpenVINO-Linux
注意：
- 我们测试的openvino版本为2021.3，如果你使用其它版本遇到问题，可以尝试切换到该版本
- 当前检测模型转换为openvino格式是有问题的，暂时只支持分割和分类模型
以ResNet50为例：
通过PaddleClas模型部署指南 得到Paddle Inference类型的ResNet50模型，其他套件模型请参考：PaddleDetection模型部署指南 、PaddleSeg模型部署指南
下载的ResNet50解压后的目录结构如下：
ResNet50
|-- model.pdiparams # 静态图模型参数
|-- model.pdiparams.info # 参数额外信息，一般无需关注
|-- model.pdmodel # 静态图模型文件
|-- resnet50_imagenet.yml # 配置文件
将paddle inference模型转为onnx模型， 详细可参考Paddle2ONNX文档
ResNet50模型转换如下，转换后模型输出在 onnx_models/resnet50_onnx/model.onnx
# model_dir需要ResNet50解压后的路径
paddle2onnx --model_dir ResNet50 --save_file onnx_models/resnet50_onnx/model.onnx --opset_version 9 --enable_onnx_checker True --model_filename model.pdmodel --params_filename model.pdiparams
将onnx模型转为openvino模型， 详细可参考官网文档转换onnx模型
以上文的ResNet50模型为例，转换指令如下:
# 使用mo.py 也可以
mo_onnx.py --input_model onnx_models/resnet50_onnx/model.onnx --output_dir openvino_model/resnet50 --input_shape \[1\,3\,224\,224\]
转换后的openvino_model/resnet50目录下会出现三个文件， 目录结构如下：
resnet50
├── ResNet50.bin
├── ResNet50.mapping
└── ResNet50.xml
注意：
- 留意模型转换的输出，比如转换onnx时根据提示调整opset_version的值
- paddle inference模型中的配置文件(如
resnet50_imagenet.yml)包含了前后处理、标签等信息，对转换后的openvino模型进行推理时还会用到。
git clone https://github.com/PaddlePaddle/PaddleX.git
cd PaddleX/deploy/cpp
说明：C++预测代码在PaddleX/deploy/cpp 目录，该目录不依赖任何PaddleX下其他目录。所有的推理实现代码在model_deploy目录下，所有示例代码都在demo目录下，script目录为编译脚本。
根据自己的系统环境，修改PaddleX/deploy/cpp/script/openvino_build.sh脚本中的参数，主要修改的参数为以下几个
| 参数 | 说明 |
|---|---|
| OPENVINO_DIR | OpenVINO预编译库inference_engine的路径 |
| NGRAPH_LIB | OpenVINO的ngraph lib的路径，编译openvino时通常会生成 |
| GFLAGS_DIR | gflags所在的目录路径,如果采用自动下载不用改 |
| OPENCV_DIR | opencv所在的目录路径，如果采用自动下载不用改 |
修改完openvino_build.sh后执行编译， [注意]: 以下命令在PaddleX/deploy/cpp目录下进行执行
sh scripts/onnx/openvino_build.sh
编译过程，会联网下载opencv、gflag，如无法联网，用户按照下操作手动下载
- 根据系统版本，点击右侧链接下载不同版本的opencv依赖 Ubuntu 16.04/Ubuntu 18.04
- 解压下载的opencv依赖（解压后目录名为opencv3.4.6gcc4.8ffmpeg)，创建目录
PaddleX/deploy/cpp/deps，将解压后的目录拷贝至该创建的目录下- 点击下载gflags依赖包，解压至
deps目录
编译后会在PaddleX/deploy/cpp/build/demo目录下生成model_infer 可执行二进制文件示例，用于加载模型进行预测。以上面转换的ResNet50模型为例，运行指令如下：
./build/demo/model_infer --xml_file openvino_model/resnet50/ResNet50_vd.xml --bin_file openvino_model/resnet50/ResNet50_vd.bin --cfg_file openvino_model/resnet50/resnet50_imagenet.yml --model_type clas --image test.jpeg
参数说明
| 参数名称 | 含义 |
|---|---|
| xml_file | openvino转换的xml模型文件 |
| bin_file | openvino转换的xml模型文件 |
| cfg_file | Paddle套件导出的模型配置文件，如resnet50/deploy.yml |
| image | 需要预测的单张图片的文件路径 |
| model_type | 模型来源，det/seg/clas/paddlex，分别表示模型来源于PaddleDetection、PaddleSeg、PaddleClas和PaddleX |