モデルの準備#

 import openvino as ov 
import torch 
from torchvision.models import resnet50 

model = resnet50(weights='DEFAULT') 

# input_data を準備 
input_data = torch.rand(1, 3, 224, 224) 

ov_model = ov.convert_model(model, example_input=input_data) 

###### オプション 1: OpenVINO IR へ保存: 
# 後で使用できるようにモデルを OpenVINO IR に保存 
ov.save_model(ov_model, 'model.xml')

###### オプション 2: OpenVINO を使用してコンパイルおよび推論: 
# モデルをコンパイル 
compiled_model = ov.compile_model(ov_model) 

# 推論を実行 
result = compiled_model(input_data)

from transformers import BertTokenizer, BertModel 

tokenizer = BertTokenizer.from_pretrained('bert-base-uncased') 
model = BertModel.from_pretrained("bert-base-uncased") 
text = "Replace me by any text you'd like." 
encoded_input = tokenizer(text, return_tensors='pt') 

import openvino as ov 
ov_model = ov.convert_model(model, example_input={**encoded_input}) 

###### オプション 1: OpenVINO IR へ保存: 
# 後で使用できるようにモデルを OpenVINO IR に保存 
ov.save_model(ov_model, 'model.xml')

###### オプション 2: OpenVINO を使用してコンパイルおよび推論: 
# モデルをコンパイル 
compiled_model = ov.compile_model(ov_model) 

# HF トークナイザーまたは独自トークナイザーを使用して input_data を準備 
# 簡素化のため、ここでは encoded_input を再利用 

# 推論を実行 
result = compiled_model({**encoded_input})

import tensorflow as tf 
import openvino as ov 

tf_model = tf.keras.applications.ResNet50(weights="imagenet") 
ov_model = ov.convert_model(tf_model) 

###### オプション 1: OpenVINO IR へ保存: 
# 後で使用できるようにモデルを OpenVINO IR に保存 
ov.save_model(ov_model, 'model.xml')

###### オプション 2: OpenVINO を使用してコンパイルおよび推論: 
# モデルをコンパイル 
compiled_model = ov.compile_model(ov_model) 

# input_data を準備 
import numpy as np 
input_data = np.random.rand(1, 224, 224, 3) 

# 推論を実行 
result = compiled_model(input_data)

import tensorflow as tf 
import tensorflow_hub as hub 
import openvino as ov 

model = tf.keras.Sequential([ 

hub.KerasLayer("https://tfhub.dev/google/imagenet/mobilenet_v1_100_224/classification/5") ]) 

# 入力形状についてはモデルページをご確認: 
https://tfhub.dev/google/imagenet/mobilenet_v1_100_224/classification/5 
model.build([None, 224, 224, 3]) 

ov_model = ov.convert_model(model) 

###### オプション 1: # OpenVINO IR に保存 
ov.save_model(ov_model, 'model.xml')

###### オプション 2: # OpenVINO によるコンパイルと推論: 
compiled_model = ov.compile_model(ov_model) 

# input_data を準備 
import numpy as np 
input_data = np.random.rand(1, 224, 224, 3) 

# 推論を実行 
result = compiled_model(input_data)

import onnx 

model = onnx.hub.load("resnet50") 
onnx.save(model, 'resnet50.onnx') 
# モデルに一時ファイルを使用 

import openvino as ov 
ov_model = ov.convert_model('resnet50.onnx') 

###### オプション 1: OpenVINO IR へ保存: 
# 後で使用できるようにモデルを OpenVINO IR に保存 
ov.save_model(ov_model, 'model.xml')

###### オプション 2: OpenVINO を使用してコンパイルおよび推論: 
# モデルをコンパイル 
compiled_model = ov.compile_model(ov_model) 

# input_data を準備 
import numpy as np 
input_data = np.random.rand(1, 3, 224, 224) 

# 推論を実行 
result = compiled_model(input_data)