标签：use 双击 number http software reader pen iat present
Win10+VS2015+Openvino2019R1安装教程
一、概述
Openvino主要特点：
1. 在Intel平台上提升计算机视觉相关深度学习性能达19倍以上
2. 解除CNN-based的网络在边缘设备的性能瓶颈
3. 对OpenCV，OpenXV*视觉库的传统API实现加速与优化
4. 基于通用API接口在CPU、GPU、FPGA等设备上运行加上
5. OpenVINO工具包(ToolKit)主要包括两个核心组件，模型优化器(Model Optimizer)和（Model Optimizer）。
模型优化器(Model Optimizer)将给定的模型转化为标准的 Intermediate Representation (IR) ，并对模型优化。
模型优化器支持的深度学习框架：
1. ONNX
2. TensorFlow
3. Caffe
4. MXNet
5. Kaldi
推断引擎(Inference Engine)支持硬件指令集层面的深度学习模型加速运行，
同时对传统的OpenCV图像处理库也进行了指令集优化，有显著的性能与速度提升。
支持的硬件设备：
1. CPU
2. GPU
3. FPGA
4. VPU
安装Openvino前保证安装好以下软件：
VS2015/VS2017 https://www.cnblogs.com/Jack-Elvis/p/11222946.html
Cmake3.7以上， https://www.cnblogs.com/Jack-Elvis/p/11797146.html
Python3.6.5/Python3.7 自行下载安装
1.下载地址：https://software.seek.intel.com/openvino-toolkit?os=windows
需要先注册intel账号，邮箱会收到下载链接和Serial Number来激活软件。
2.双击下载好的OpenVINO开始安装
3.安装路径：（最好就放在C盘下面如图，不然会出现很多问题）
4.设置环境变量：
win+r ——》输入cmd打开命令窗口
cd /d C:\Intel\openvino_2019.1.148\bin
setupvars.bat
5.运行demo检查是否安装成功：
在命令窗口继续输入：
cd..
cd deployment_tools
cd demo
demo_security_barrier_camera.bat
运行结果如图下所示证明安装成功：
（由于博主之前安装过tensorflow不知道tensorflow的安装对结果是否有影响，
如果demom没有运行成功可能需要安装tensorflow,安装可以自行百度。）
三、VS2015中配置各种目录
1.新建一个空项目：
新建完成前勾选空项目。
新建一个源程序，选择Debug 64 。
2.配置VS2015中的目录以及路径
点击 视图--》其他窗口--》属性管理器
右键
需要更改和配置的有三个位置：
1.包含目录：
包含目录改为以下5个路径：
C:\Intel\openvino_2019.1.148\deployment_tools\inference_engine\src\extension
C:\Intel\openvino_2019.1.148\deployment_tools\inference_engine\samples\common\format_reader
C:\Intel\openvino_2019.1.148\deployment_tools\inference_engine\include
C:\Intel\openvino_2019.1.148\opencv\include
C:\Intel\openvino_2019.1.148\opencv\include\opencv2
2.库目录：
库目录：
C:\Users\Administrator\Documents\Intel\OpenVINO\inference_engine_samples_build\intel64\Debug
C:\Intel\openvino_2019.1.148\deployment_tools\inference_engine\lib\intel64\Debug
C:\Intel\openvino_2019.1.148\opencv\lib
3.附加依赖项
Win10+VS2015+Openvino2019R1安装教程
标签：use 双击 number http software reader pen iat present
原文地址：https://www.cnblogs.com/Jack-Elvis/p/13170985.html
