22
19

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

OpenVinoとは?(第1回)

Last updated at Posted at 2020-08-28

##はじめに
出典先のcode、websiteは、株式会社インテルの社員の方に許可をもらっています。

##OpenVinoとは(コンパクトに説明)##
Intelが提供する高性能なコンピューター・ビジョンやディープラーニングを開発可能が可能になるソフトウェアです。

分かりやすく言うと、
AIモデルの作成の仕方を知らない学生・エンジニアも、簡単なAIプログラム、サービスを作成できる!​

また、AIエンジニアは自作・自社開発したAIモデルをより手軽に、短時間で商業用のサービスとして開発できる

##OpenVINOのしくみ(概略)
1.TensorFlow、MxNet、Caffe、Kaldi、、ONNXフレームワークでトレーニングされたモデルが拡張子が.xmlおよび.binに変換される
(.xmlファイルは最適化されたグラフを表していて、.binファイルには重みが含まれています)

2.これらのファイルを使用し、推論APIが作成される

3.推論APIを使用して、gRPCインターフェースを介して提供されるAIサービスを簡単に作成できる

スクリーンショット 2020-08-27 21.18.31.png

出典:Intel公式website
URL: https://www.intel.co.jp/content/www/jp/ja/internet-of-things/solution-briefs/openvino-toolkit-product-brief.html

#OpenVINOモデルサーバーとは
OpenVinoモデルサーバーとは、gRPCまたはREST APIを介して推論サービスを提供してくれるdockerイメージです。
簡単なコマンドで、AIモデルの推論を返すportを作ることができます。

#OpenVINOモデルサーバーの使用方法
##1.モデルオプティマイザー(学習モデルをIRにするやつです)を使用して、TensorFlow保存モデル表現からIRモデル形式を生成する

以下の例のようなコマンドを使用できます

mo_tf.py --saved_model_dir /tf_models/resnet_v1_50 --output_dir /ir_models/resnet_v1_50/ --model_name resnet_v1_50

mo_tf.pyは、OpenVinoToolKitをインストールすると,PC(MacOSの場合)に以下のようなpathにあります
また、他のモデルは、/opt/intel/openvino/deployment_tools/open_model_zoo以下にあります。(ない場合は、モデルオプティマイザーを使用せずに、Intelの公式リポジトリから.xml、.binファイルをダウンロードして、手順2にskipしてください)

|USER_NAME|:model_optimizer |USER_NAME|$ ls
extensions		mo_mxnet.py		requirements_mxnet.txt
install_prerequisites	mo_onnx.py		requirements_onnx.txt
mo			mo_tf.py		requirements_tf.txt
mo.py			requirements.txt	version.txt
mo_caffe.py		requirements_caffe.txt
mo_kaldi.py		requirements_kaldi.txt

|USER_NAME|:model_optimizer |USER_NAME|$ pwd
/opt/intel/openvino/deployment_tools/model_optimizer

##2.モデルのフォルダー構造設定

モデルを含むフォルダー構造
モデル(.xml,.bin)を使用する前に以下のようなフォルダー構造に配置する必要があります。

スクリーンショット 2020-08-27 23.16.43.png

各モデルには、すべてのバージョンが数値名のサブフォルダーに格納される個別のフォルダーが必要です。 このように、OpenVINOモデルサーバーは複数のモデルを処理し、TensorFlow Servingと同様の方法でそれらのバージョンを管理できます。

##3.導入プロセス
展開プロセスは次の2つのステップに制限されています。
1.次のコマンドを使用して、Dockerイメージをビルドします

docker build -t openvino-model-server:latest

出典:Intelの社員の方github
URL: https://github.com/openvinotoolkit/model_server

2.次のコマンドを使用して、Dockerコンテナーを開始します

docker run -d -v $(pwd)/model:/models/face-detection/1 -e LOG_LEVEL=DEBUG -p 8000:8000 openvino/ubuntu18_model_server /ie-serving-py/start_server.sh ie_serving model --model_path /models/face-detection --model_name face-detection --port 8000  --shape auto

出典:Intelの社員の方のgithub(前と同じURLです)

(詳しい説明は次回行います)
これらの2つのステップが完了すると、OpenVINOモデルサーバーはDockerコンテナー上で実行されポート8000でgRPCAPIと動きます

##4.check
Intelの社員の方のgithub(前と同じURLです)にある、get_serving_meta.pyを使用すると、3でopenしたportが正常に動いているかをcheckできます。

get_serving_meta.pyをRunする時に、以下のコマンドライン引数を打つと、指定したportで推論実行できるAIモデルのInput metadataとOutput metadataがでます。

python get_serving_meta.py --grpc_port DOCKER_PORT_NUMBER --model_name AI_MODEL_NAME 

下の例は、他のAIモデル、port番号のcheck成功例です。

スクリーンショット 2020-12-11 19.35.48.png

22
19
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
22
19

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?