发挥潜力（真实世界的 AI 解决方案）
了解可能出现的情况，并开始利用 OpenVINO™ 工具套件构建 AI 解决方案。
边缘 AI 开发创造了许多可能和用例，并支持直接在边缘设备上部署 AI。了解英特尔提供的边缘 AI 参考套件，它们包括 Jupyter* Notebook、操作说明视频、分步教程等。
边缘 AI 参考套件
| 利用边缘 AI 参考套件进行开发或将其集成到现有应用，快速启动您的 AI 解决方案。预构建组件可作为零售、医疗保健和制造等许多行业的自定义 AI 推理应用的基础。利用最佳实践，您可以比传统开发工作流程更快地开展工作。 |
试试看：智能仪表扫描 — 目标检测和分割
将新的 AI 推理功能内置到应用中，以自动生成模拟信息并将其转换为数字数据且进行分析，进而提高准确度和可靠性。能源、制造和任何使用模拟仪表的行业使用计算机视觉自动读取仪表。
解决方案概述 (2:46)
本演示展示如何实际实施目标检测和分割来进行智能仪表扫描。
技术操作指南 (8:50)
深入了解如何使用示例代码并自行试用。
试试看：智能队列管理 YOLO* v8 对象检测和计数
利用目标检测 AI、计数和决策来构建多功能 AI 推理应用。检测并统计队列中的人数，以缩短等待时间、提高客户满意度并优化人员配置。利用计算机视觉为零售业务、医疗保健或任何需要目标检测和对象计数的行业管理队列。
解决方案概述 (2:40)
观看此 YOLO* v8 对象检测的实际实现演示。
技术操作指南 (19:32)
浏览示例代码，并了解如何自行试用。
更深入地了解 OpenVINO™ 工具套件
利用这个开源 AI 工具套件优化和部署 AI 推理解决方案。
- 在流行硬件平台上跨加速器最大限度地利用可用计算，同时使用通用 API 来加速 AI 推理并优化部署。
- 从一系列预训练模型中进行选择，它们为您的用例和首选框架（如 TensorFlow* 或 PyTorch*）提供了灵活性。
- 使用训练后量化技术重新训练或微调模型。
在英特尔与推理业者面对面
了解这个由 AI 专家组成的团队，他们可指导您学习 OpenVINO™ 工具套件和深度学习 AI 推理解决方案的真实世界用例。
Raymond Lo
计算机工程博士，AI 创新企业家，美国圣何塞
Paula Ramos
工程学博士，计算机视觉科学家，美国北卡罗莱纳州
Anisha Udayakumar
AI 创新顾问，系统工程师，印度钦奈
Adrian Boguszewski
计算机科学工程师，深度学习专家，英国斯温登
Zhuo Wu
电子学博士，教授和研究科学家，中国上海
眼见为实：真实世界中的 OpenVINO™工具套件
了解英特尔如何与其他方协作，利用 OpenVINO 工具套件取得业务成功。
Megh Computing 利用 AI 驱动式视频分析来优化运营。
PreciTaste* 利用 AI 精确预测快餐店 (QSR) 食品生产。
基于摄像头的得来速计量仪帮助 QSR 优化食品生产。
注册了解独家消息、提示和版本发布
率先了解关于英特尔® 发行版 OpenVINO™ 工具套件的一切新内容。通过注册，您可以获得：
- 提前了解产品更新和版本发布
- 独家受邀参加线上研讨会和活动
- 培训和指导资源
- 竞赛公告
- 其他重大消息
支持、资源和常见问题解答
您可以向 GitHub 存储库报告 OpenVINO 工具套件问题。对于边缘 AI 参考套件问题，请加入 OpenVINO 笔记本存储库或英特尔支持论坛上的讨论。
英特尔为特定 AI 用例（例如智能仪表扫描、实时异常检测和智能队列管理）提供了边缘 AI 参考套件。我们会经常添加更多用例。利用实时计算机视觉，使用目标检测、对象分割和生成式 AI（未来包括）来创建 AI 推理解决方案。
这些套件使用预训练的优化模型在流行平台上加速 AI，并包括详细文档、操作说明视频、代码示例和 GitHub 存储库。利用这些套件，您可以加快部署和采用流程，并节省时间。
OpenVINO™ 工具套件加速了为 AI 用例压缩模型，然后将其部署到各种硬件平台上的整个过程。这加快了 AI 推理解决方案的开发，并提高了您将创意转化为真实世界中的 AI 应用的效率。
是。OpenVINO™ 工具套件会编译模型以便在许多不同设备上运行，从而为您提供灵活性，允许您只需编写代码一次，即可在 CPU、GPU、视觉处理器和其他加速器上部署模型。
要获得可能的最佳性能，必须在系统中正确设置并安装最新 GPU 驱动程序。请使用有关如何在 Windows* 和 Ubuntu* 上安装英特尔 GPU 驱动程序的指南。
注意： 在将 OpenVINO™ 工具套件用于基于 GPU 的 AI 推理解决方案之前，请先使用该指南安装驱动程序并设置系统。
此指南在装有 Ubuntu 22.04 LTS 和 Windows 11 的系统上的英特尔锐炫™ 显卡和英特尔® Data Center GPU Flex Series 上进行了测试。要使用 OpenVINO™ 工具套件 GPU 插件并将推理分载给英特尔 GPU，必须在系统上正确配置英特尔® 显卡驱动程序。
英特尔的全新独立 GPU 家族不仅可用于游戏，而且可在边缘或服务器上运行 AI。
OpenVINO 工具套件的插件架构支持在第三方硬件以及英特尔平台上优化 AI 推理。请单击此处查看受支持设备的完整列表。
它针对性能进行了优化。OpenVINO™ 工具套件可运行计算密集型深度学习模型，而将对准确度的影响降至最低。它在第 12 代及更高版本的英特尔® 酷睿™ 处理器上支持 AUTO 设备插件或线程调度等功能，可最大限度地提高效率。
OpenVINO™ 工具套件与多个框架和标准化协议高度兼容。OpenVINO™ 模型服务器使用与 TensorFlow* Serving 和 KServe 相同的架构和 API，可提高现代工作负载部署的可扩展性。
OpenVINO™ 工具套件可最大限度地缩短处理输入数据以输出预测所需的时间。决策速度更快，系统交互也更加高效。
借助模型转换 API 和 NNCF，OpenVINO 提供了多种优化技术，可提高性能并减少延迟。
阅读本模型优化指南，了解各种模型压缩选项，如量化感知训练、训练后量化等。
作为 OpenVINO™ 工具套件的一部分，OpenVINO 模型服务器允许您在一系列硬件上托管模型并高效部署应用。您无需重写代码即可实现 AI 推理加速。
- 您可以通过通用 API（也由 KServe 使用）借助标准网络协议访问模型。
- 利用远程 AI 推理，您可以创建需要更少更新、专注于 API 调用的轻量级客户端。
- 用户可以独立于模型框架、硬件和基础设施进行应用开发和维护。
- 由于不会通过客户端应用暴露拓扑和权重，因此，对模型进行访问控制变得更为简单。
- 采用这种部署结构，可以更高效地进行横向和纵向 AI 推理扩展。
通过为您提供一组全面的工具和资源，您可以简化工作流程，同时利用 OpenVINO 优化 AI 推理和 AI 模型的真实世界性能。