北京儿童青春痘医院 http://news.39.net/bjzkhbzy/210620/9084443.html概述
Intel?DevCloudfortheEdge支持在英特尔的硬件平台上主动构建原型并试验面向计算机视觉的AI工作负载。其硬件平台托管在云环境中，专门用于深度学习，用户可以全面访问这些硬件平台。用户可以使用Intel?OpenVINO?工具套件以及CPU、GPU和VPU和FPGA的组合来测试模型的性能。Intel?DevCloud使用Jupyter*Notebook直接在web浏览器中执行代码，并立即看到可视化结果。用户可以在云环境中构建创新的计算机视觉解决方案原型，然后利用可用的硬件资源执行代码。
本文借助DevCloud内包含的Jupyter*Notebook教程和示例，及OpenVINO?工具套件包含的Benchmark_APP等工具，将下载并转换为IR格式文件的FC-DenseNet-模型到DevCloud，选择不同的边缘节点，以不同的硬件平台测试模型的性能，完成边缘原型的构建，得到高性能的AI部署解决方案。
在本文中所使用的模型为FC-DenseNet-—百层提拉米苏，全卷积的DenseNet图像分割模型，如图1所示为其在CamVid测试集的定性结果。模型FC-DenseNet-的论文原始出处为：
