OpenVINO™ 与 TensorFlow 集成，现已支持 Docker

0/5 (0投票)

2022年11月1日

3分钟阅读

3921

在这篇文章中，我们将首先使用 DockerHub 上的预构建镜像。然后，我们将逐步讲解您需要访问 Docker 上的目标检测笔记本的确切命令。

您好，欢迎阅读关于使用 Docker 与英特尔的 OpenVINO™ 与 Tensorflow* 集成的图文指南，以加速您在英特尔硬件上 TensorFlow 模型的推理。

在本文中，我们将首先使用 DockerHub 上可用的预构建镜像。然后，我们将逐步讲解您需要访问 Docker 上目标检测笔记本的确切命令。

让我们开始吧！

对于这篇文章，我们将尝试在 Windows 操作系统上运行 OpenVINO™ 与 TensorFlow* 的集成。您将需要适用于 Windows 的 Docker Desktop。

如果您计划在 Ubuntu 操作系统上尝试，请参阅此链接。该链接还提供了从托管的 Dockerfile 构建运行时镜像的说明。

首先，我们只需在我的 Intel® Core™ i7 CPU 上拉取并运行最新的 Docker 镜像。要执行此操作，请单击此链接并向下滚动到“Docker 支持”部分，然后选择您选择的 Ubuntu 预构建镜像。

在这里，我们使用 Ubuntu 20 预构建镜像。

接下来，在您的 Windows PowerShell 中键入以下命令。

docker pull openvino/openvino_tensorflow_ubuntu20_runtime
docker run -it --rm -p 8888:8888 openvino/openvino_tensorflow_ubuntu20_runtime:latest

您将注意到两件事

要访问笔记本，请将托管笔记本的 URL 复制并粘贴到您的浏览器中。

注意：Docker 镜像托管一个 Jupyter 服务器，其中包含一个图像分类和一个目标检测示例，它们演示了使用 OpenVINO™ 与 TensorFlow* 集成的性能优势。

您可以在 Docker Desktop 上查看镜像的状态，它看起来像这样。

此外，如果您愿意，请查看这篇文章的视频版本以及在此处运行笔记本的步骤。您将会对加速效果和模型表现如此出色而感到惊讶。

视频 TLDR；该视频展示了一个涵盖目标检测用例的笔记本，并演示了在 coco 数据集上训练的 YOLOv4 模型的加速。您可以在 GitHub 上找到此特定示例。

最后，如果您有兴趣探索更多使用 Docker 和 OpenVINO™ 与 Tensorflow 集成的笔记本，以下是一些您可能会喜欢的优秀资源链接。本文深受它们的启发。

预构建镜像

用于 OpenVINO™ 与 TensorFlow 集成的 Dockerfile

用于 TensorFlow Serving 与 OpenVINO™ 与 TensorFlow 集成的 Dockerfile

要尝试的笔记本

我们制作这篇文章时非常开心，所以如果您觉得这篇文章有帮助，或者您希望在下一篇文章中看到什么内容，请在评论中告诉我们。一如既往，感谢您的阅读！

英特尔技术可能需要启用硬件、软件或服务激活。

没有任何产品或组件可以绝对安全。

您的成本和结果可能会有所不同。

英特尔不控制或审计第三方数据。您应该查阅其他来源来评估准确性。