文档¶

本节提供参考文档，指导您使用 OpenVINO™ 工具套件开发您自己的深度学习应用。为了使这些文档充分发挥作用，请先阅读入门指南。

备注

OpenVINO™ 中文文档网站目前仅可提供少量中文页面。如需参阅完整版 OpenVINO 文档，请访问我们的英文文档网站，或在本网站右上角语言选项选择 English。

转换和准备模型¶

在模型下载器和模型优化器指南中，您将学习如何下载预训练模型并对其进行转换，以便与 OpenVINO™ 工具套件配合使用。您可以提供自己的模型，也可以从 Open Model Zoo 中提供的众多模型中选择公共模型或英特尔模型。

部署推理¶

OpenVINO™ 运行时用户指南解释了创建您自己的应用以使用 OpenVINO™ 工具套件运行推理的过程。API 参考定义了面向 Python、C++ 和 C 的 OpenVINO 运行时 API。OpenVINO 运行时 API 可用于创建 OpenVINO™ 推理应用，使用增强的操作集和其他功能。编写应用后，您可以根据使用 OpenVINO 进行部署，将其部署到目标设备。

性能调优¶

该工具套件提供性能优化指南和实用程序，帮助您的应用获得卓越性能，包括精度检查器、训练后优化工具和其他用于精度测量、性能基准测试和应用调优的工具。

OpenVINO™ 工具套件的 Web 图形界面¶

您可以选择使用 OpenVINO™ 深度学习工作台。这是一个基于 Web 的工具，可指导您执行转换、测量、优化和部署模型的过程。此工具还可作为工具套件的低门槛入门工具，并提供各种有用的交互图表，以便了解性能。

媒体处理和计算机视觉库¶

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。