Ultralytics YOLOv5 — библиотека компьютерного зрения на базе PyTorch для детекции объектов, сегментации экземпляров и классификации изображений, с обучением и экспортом моделей.
openvinotoolkit/openvino
Open-source toolkit для оптимизации и развертывания моделей deep learning для инференса на процессорах, GPU и NPU Intel.
- Звёзды
- 11,028
- Форки
- 3,472
- Открытые issues
- 883
- Последний коммит
- 10 часов назад
Что это?
OpenVINO — open-source toolkit проекта OpenVINO для оптимизации и развертывания инференса AI-моделей. Он принимает модели, обученные с помощью таких фреймворков, как PyTorch, TensorFlow, ONNX, Keras, PaddlePaddle и JAX/Flax, преобразует их без необходимости использовать исходный фреймворк при развертывании и эффективно запускает на поддерживаемом оборудовании.
Инференс поддерживается на процессорах x86 и ARM, встроенных и дискретных GPU Intel, а также NPU Intel. В проекте есть API для C++, Python, C и NodeJS, а также GenAI API для конвейеров с LLM и diffusion-моделями. Модели с Hugging Face Hub можно использовать через Optimum Intel.
В экосистему входят Neural Network Compression Framework (NNCF) для квантования и разреживания моделей, OpenVINO Model Server для обслуживания моделей, а также интеграции с vLLM, ONNX Runtime, LangChain, LlamaIndex и torch.compile.
Ключевые возможности
- 01Преобразует модели PyTorch, TensorFlow, ONNX, Keras, PaddlePaddle и JAX/Flax для инференса.
- 02Запускает инференс на процессорах, GPU и NPU Intel, включая процессоры x86 и ARM.
- 03Предоставляет API для C++, Python, C и NodeJS.
- 04Включает GenAI API для конвейеров с LLM и diffusion-моделями.
- 05Предлагает методы сжатия моделей, например квантование и разреживание, с помощью NNCF.
Сценарии использования
- Развертывание моделей компьютерного зрения, таких как YOLO, на периферийном или серверном оборудовании Intel.
- Запуск локальных чат-ботов на базе LLM или конвейеров преобразования текста в изображение на процессорах или GPU Intel.
- Ускорение моделей распознавания речи, таких как Whisper, на поддерживаемых устройствах.
- Интеграция оптимизированного инференса в существующие рабочие процессы с ONNX Runtime или vLLM.
Быстрый старт
- 1
Установите OpenVINO с помощью pip
pip install -U openvino - 2
Проверьте установку, выведя версию
python -c "import openvino as ov; print(ov.__version__)"
Что важно знать
- Для наилучших результатов рассчитан на оборудование Intel (CPU, GPU, NPU); на других ускорителях польза ограничена.
Темы
Частые вопросы
- Что такое openvino?
- Open-source toolkit для оптимизации и развертывания моделей deep learning для инференса на процессорах, GPU и NPU Intel. OpenVINO — open-source toolkit проекта OpenVINO для оптимизации и развертывания инференса AI-моделей. Он принимает модели, обученные с помощью таких фреймворков, как PyTorch, TensorFlow, ONNX, Keras, PaddlePaddle и JAX/Flax, преобразует их без необходимости использовать исходный фреймворк при развертывании и эффективно запускает на поддерживаемом оборудовании.
- openvino можно использовать бесплатно? Какая у него лицензия?
- openvino распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- openvino всё ещё поддерживается?
- Активно поддерживается. Последний коммит в openvino — 20 окт. 2026 г..
- Для чего можно использовать openvino?
- Развертывание моделей компьютерного зрения, таких как YOLO, на периферийном или серверном оборудовании Intel. Запуск локальных чат-ботов на базе LLM или конвейеров преобразования текста в изображение на процессорах или GPU Intel. Ускорение моделей распознавания речи, таких как Whisper, на поддерживаемых устройствах. Интеграция оптимизированного инференса в существующие рабочие процессы с ONNX Runtime или vLLM.
- Как установить openvino?
- Установите OpenVINO с помощью pip: pip install -U openvino Проверьте установку, выведя версию: python -c "import openvino as ov; print(ov.__version__)"
- Где скачать openvino?
- Исходный код и инструкции по установке — на GitHub: https://github.com/openvinotoolkit/openvino
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Кроссплатформенное desktop-приложение для разметки текста, изображений, видео, облаков точек и мультимодальных данных с помощью ИИ, со встроенными моделями и экспортом в разные форматы.
Стек PyTorch для инференса на устройствах: запуск экспортированных моделей на телефонах, ноутбуках, в браузерах и на микроконтроллерах.
Фреймворк на C++ для анализа видео, который объединяет чтение потоков, инференс моделей, трекинг и вывод данных в настраиваемые узлы конвейера.
Коллекция из 419 предварительно обученных AI-моделей для компьютерного зрения, обработки речи, NLP и LLM, запускаемых через общий Python CLI с помощью ailia SDK.
Python-инструментарий для оптимизации моделей ONNX: сокращает число операторов, стремясь сохранить точность и ускорить инференс.