模型准备

每个深度学习工作流程都始于获取模型。您可以选择准备自定义模型，使用现成的解决方案并根据需要进行调整，或者从 OpenVINO™ 的 Open Model Zoo 等在线数据库下载并运行预训练网络。

OpenVINO™ 支持多种模型格式 并可将其转换为它自己的 OpenVINO™ IR 格式，同时提供一个专门执行此任务的工具。

模型优化器 会读取原始模型并创建 OpenVINO™ IR 模型（.xml 和 .bin 文件）， 以便最终执行推理，而不会由于格式转换而造成延迟。根据需要，模型优化器可以调整模型以使其更适合推理，例如，通过 交替输入形状、 嵌入预处理 和 切除训练部分。

完全转换模型的方法被视为默认选择，因为它支持 OpenVINO™ 的全部功能。训练后优化工具等其他转换和准备工具会使用 OpenVINO™ IR 模型格式，以进一步优化已转换模型。

ONNX 和 PaddlePaddle 模型无需转换，因为 OpenVINO™ 提供 C++ 和 Python API，可用于将这些模型直接导入 OpenVINO™ 运行时。它提供了一种可在推理应用中快速从基于框架的代码切换为基于 OpenVINO™ 的代码的便捷方法。

本部分介绍如何获取和准备模型，以配合使用 OpenVINO 来获得最佳推理结果：

• 查看支持的格式及如何在项目中使用这些格式 。

• 将不同模型格式转换为 OpenVINO™ IR 格式 。

• 通过模型下载程序和其他 OMZ 工具自动执行模型相关任务 。

首先，您可能需要 浏览在您的项目中使用的模型数据库 。