探索功能
高性能，深度学习
转换和优化模型，以实现深度学习推理应用程序的高性能。
简化开发
将附带的推理工具用于低精度优化及媒体处理、计算机视觉库和预优化内核，推动更为顺畅的开发流程。
一次写入，处处部署
在跨主机处理器、加速器和环境的组合（包括 CPU、GPU、VPU、FPGA、本地和设备中）以及浏览器或云中部署相同的应用程序。
如何工作
利用 Open Model Zoo 寻找开源、预先训练、预先优化且随时可进行推理的模型，或使用您自己的深度学习模型。
通过模型优化器运行经训练的模型，以便将模型转换为中间表示 (IR)，该中间表示以一对文件（.xml 和 .bin）表示。这些文件描述了网络拓扑，并包含权重和偏差模型的二进制数据。
借助一次编写、随时随地部署的高效能力，运用推理引擎，在多个处理器、加速器和环境中运行推理并输出结果。
你能做些什么
了解开发人员如何在多个英特尔® 架构上，使用英特尔® 发行版 OpenVINO™ 工具套件，支持横跨制造业、医疗、生命科学、零售、安全等多个行业的新用例和强化用例。
2021.4 LTS 发行版的新功能是什么
- 长期支持 (LTS) 版本修复了错误，提供长期维护和支持，特别是在稳定性和兼容性方面，让开发人员能够自信部署由英特尔® 发行版 OpenVINO™ 工具套件提供支持的应用程序。LTS 每年发布更新版本，并提供两年支持服务。对于那些喜欢最新功能和领先性能的开发人员，标准版本将继续每年提供三到四次。
- 了解有关长期支持政策的更多信息。
- 全新 Jupyter* Notebooks、演示和对其他公共模型的支持，让开发变得更容易。
- 可即时运行的 Jupyter Notebook，带有转换 TensorFlow*、PyTorch* 和 PaddlePaddle* 等模型、图像分类、分割、深度估计、训练后量化等教程。
适用 PaddlePaddle (GitHub) 的 OpenVINO Notebook
- 音频噪声抑制和时间序列预测演示
- 公共模型：RCAN 和 Iseebetter（图像超分辨率）、Attention OCR（图像文本预测）、Tacotron 2（文字转语音）和 ModNet（人像和图像修边）
- CPU 和集成 GPU (iGPU) 首次推理所需时间延迟增强的相关性能，大幅提高初始推理的性能
社区与支持
探索各种参与方式，并及时了解最新的公告。
荣获 Embedded Vision Alliance 大奖*
高效、智能的途径，可以摆脱专有替代方案的经济和技术负担，实现加速计算的自由。
产品和性能信息
1
性能因用途、配置和其他因素而异。请访问 www.Intel.cn/PerformanceIndex 了解更多信息。