全文链接请查看:http://t.cn/A6inuws4本文转自【公众号:OpenVINO 中文社区】

干货|在OpenVINO 中使用 fine-tuning 的 BERT模型
大家好,我是 Tango,目前就职于 NTTDATA (中国)信息技术有限公司。看到公司名大家估计也能猜出来这是一家日企了,我也是日语专业毕业的,出于爱好进入了程序员的队伍。今天和我一起来看看我们强大的 OpenVINO 套件和 BERT 模型会擦出什么样的火花。 Part 1 关于环境在本篇文章中,将从使用了 Tensorflow 的 BERT 的 fine-tuning 到 OpenVINO

使用OpenVINO™ 优化和部署DenseNet模型并在DevCloud上完成性能测试
2 使用Intel® DevCloud 不同边缘节点进行性能测试面向边缘的Intel® DevCloud是一项云服务,旨在帮助开发人员使用OpenVINO™ 工具包构建原型并试验计算机视觉应用,注册成功后,可以访问一系列的基于Python和C++的Iupyter* Notebook教程和示例解决方案,并通过web浏览器直接执行。本文通过Jupyter* Notebook中给出的基于Python语言

PyTorch + OpenVINO™ 开发实战系列教程 第三篇
第3章 图象分类 通过前面两章的学习,我们已经了解Pytorch框架跟OpenVINO™ 工具套件框架的用途,并且搭建好了开发环境,为本章学习做好了准备工作。本章介绍计算机视觉的基础任务之一图象分类的基本概念、深度学习对图象分类任务的推进与影响,常用的图象分类网络,基准数据集。Pytorch框架自带的图象分类预训练模型库中模型、使用预训练模型实现图象分类、如何导出模型为ONNX格式,使用OpenV

PyTorch + OpenVINO™ 开发实战系列教程 第二篇
第2章 OpenVINO™ 介绍与开发准备前面一章主要介绍Python与Pytorch开发环境搭建,以及一些概念与术语解释,Pytorch基础代码与常见操作的函数演示。本章我们将重点介绍OpenVINO™ 开发框架,系统化介绍OpenVINO™ 下载安装、测试验证、组件功能、开发环境配置与代码测试,使用其包含的OpenCV如何实现基本的图象与视频读写、基本图形绘制与显示等。 希望通过本章学习之后读
