OpenVINO 的 C API 2.0 有何新特性？

本文主要是介绍OpenVINO 的 C API 2.0 有何新特性？，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

作者：武卓博士；River Li；Peter Chen

您是否准备好在新的一年体验英特尔® OpenVINO™ 工具套件分发版的最新长期支持 (LTS) 版本？OpenVINO™ 2022.3 LTS 版本现已发布，可帮助您快速轻松地开发卓越的人工智能应用，并跨边缘和云端部署深度学习推理工作负载，无论您处于人工智能编程的什么阶段。

作为人工智能开发人员，无论您希望将 OpenVINO 用于 C 应用内，还是希望将其用于无法兼容 OpenVINO 软件包的应用二进制接口 (ABI) 的 C++ 应用，或用于需要运行时加载 OpenVINO 库的应用，C API 均可助您一臂之力。C API 2.0 现已随 OpenVINO 2022.3 LTS 版本一起发布，包含以下主要功能：

C API 2.0 支持 OpenVINO 2.0 C++API

如果开发人员以前仅知道如何应用 OpenVINO C++API 2.0，该特性可帮助他们更轻松地应用 C API 2.0，反之亦然。

新的 C API 使用张量名称和索引处理模型输入/输出

借助新的 C API 2.0 命名规则，开发人员可以更方便地编写代码和调用函数，因为它遵循了流行的深度学习命名规则和用途。

支持动态输入和动态模型

一些深度学习模型涉及动态输入，即在某些输入维度上，输入尺寸可能会不时变化。例如，对于一些自然语言处理 (NLP) 用例，输入至模型的内容（例如所提问题问题的长度）取决于特定的问题。现在，C API 2.0 支持动态输入和动态模型，您可以轻松将其应用于动态输入和模型。上面列举了一些代码片段。

为模型前期/后期处理提供大量 C API

C API 2.0 中提供了大量前期和后期处理 C API，以进一步加快 OpenVINO 实施深度学习模型推理的速度。例如，我们可以使用这样的预处理 API 将 NV12 输入数据转换为与实际模型输入相同的 BGR 格式，而无需使用 OpenCV 对 OpenVINO 执行数据格式转换，从而节省预处理时间。

属性（键、数值、数字）的统一界面

对开发人员来说，为不同的用例设置/提供属性更为方便，而且这也可以提高可扩展性，便于未来支持更多新属性。

如何使用 C API 2.0？

如要开始使用 C API 2.0 构建自己的应用，您需要创建一个管道将 OpenVINO 集成到您的应用中（如图 1 所示）。

图 1.OpenVINO 推理管道的步骤

步骤 1.创建 OpenVINO™ 运行时内核

添加标头文件以支持 OpenVINO™ 运行时：

#include <openvino/c/openvino.h>

使用以下代码创建 OpenVINO™ 内核，以管理可用设备和读取模型对象：

ov_core_t* core = NULL;
ov_core_create(&core);

步骤 2.编译模型

以下代码展示了以 OpenVINO 中间代码 (IR) 文件的格式编译深度学习模型的示例。您还可将其替换为其他框架的模型格式，如 TensorFlow、ONNX 等。

ov_compiled_model_t* compiled_model = NULL;
ov_core_compile_model_from_file(core, "model.xml", "AUTO", 0, &compiled_model);

步骤 3.创建推理请求

使用以下代码创建推理请求：

ov_infer_request_t* infer_request = NULL;
ov_compiled_model_create_infer_request(compiled_model, &infer_request);

步骤 4.设置输入

// Get input port for model with one input
ov_output_const_port_t* input_port = NULL;
ov_model_const_input(model, &input_port);
// Get the input shape from input port
ov_shape_t input_shape;
ov_const_port_get_shape(input_port, &input_shape);
// Get the the type of input
ov_element_type_e input_type;
ov_port_get_element_type(input_port, &input_type);
// Create tensor from external memory
ov_tensor_t* tensor = NULL;
ov_tensor_create_from_host_ptr(input_type, input_shape, memory_ptr, &tensor);
// Set input tensor for model with one input
ov_infer_request_set_input_tensor(infer_request, tensor);

步骤 5.开始推理

OpenVINO™ 运行时支持同步或异步模式的推理。使用异步 API 可提高应用的整体帧速率：当加速器运行繁忙时，应用可在主机上正常工作，无需等待推理完成。以下代码展示了在异步模式下设置推理的示例。

ov_infer_request_start_async(infer_request);
ov_infer_request_wait(infer_request);

步骤 6.处理推理结果

检查输出张量，并使用以下代码处理推理结果。

ov_tensor_t* output_tensor = NULL;
// Get output tensor by tensor index
ov_infer_request_get_output_tensor_by_index(infer_request, 0, &output_tensor);

步骤 7.释放分配的对象

为避免内存泄漏，使用 C API 开发的应用需要按顺序释放分配的对象。

ov_shape_free(&input_shape);
ov_tensor_free(output_tensor);
ov_output_const_port_free(input_port);
ov_tensor_free(tensor);
ov_infer_request_free(infer_request);
ov_compiled_model_free(compiled_model);
ov_model_free(model);
ov_core_free(core);