文档¶

本节提供了指导您完成 OpenVINO 工具套件工作流程的参考文档，包括准备模型、优化模型，以及在您的深度学习应用中部署模型。

一组适用于 OpenVINO C++、C 和 Python API 的参考文章。

除核心组件以外，OpenVINO 还提供相关工具、插件和扩展，即使它们并非其工作流程的必要组成部分。本节将概述 OpenVINO 工具套件的组成部分。

英特尔® 发行版 OpenVINO™ 工具套件支持使用 TensorFlow、PyTorch、ONNX、PaddlePaddle、Apache MXNet、Caffe 和 Kaldi 等各种框架训练的神经网络模型。了解如何通过自定义设置扩展 OpenVINO 功能。

OpenVINO™ 工具套件还可与以下媒体处理框架和库配合使用：

• 英特尔® Deep Learning Streamer（英特尔® DL Streamer）- 基于 GStreamer 的流媒体分析框架，用于创建针对英特尔硬件平台进行优化的复杂媒体分析管道。请访问英特尔® DL Streamer 文档网站了解更多信息。

• 英特尔® oneAPI Video Processing Library (OneVPL) - 用于进行视频解码、编码和处理，以在 CPU、GPU 和其他加速器上构建可移植媒体管道的编程接口。

您还可以使用优化版本的 OpenCV 在您的应用中添加计算机视觉功能。

了解如何安全使用 OpenVINO 和保护数据，以符合特定安全和隐私要求。