为什么有扩展模块
发布|OpenVINO扩展模块支持原生Pytorch模型转换与ARM加速
OpenVINO刚刚不久之前发布了新版本OpenVINO2021.3版本，其中最引入关注的是有了OpenVINO扩展模块，github的地址如下：
https://github.com/openvinotoolkit/openvino_contrib
关于为什么要有OpenVINO扩展模块的解释，github上有这样一段话说明：
意思就是说，有一些新功能模块不是很稳定，暂时不能放到release版本中去，先在扩展模块中充分的测试，性能稳定之后再放到主仓中去，另外一个说明就是扩展模块中每个模块都是解耦的，可以独立编译使用。达到产品级质量就升格到release中去。
三个模块
当前扩展模块主要包括三个部分
arm_plugin
支持深度神经网络的ARM CPU加速推理
java_api
支持Java的SDK了，什么意思，就是Java程序员也可以使用推理引擎了。
mo_pytorch
支持直接把pytorch模型转换为IR，听到这个消息，一大群pytorch开发者泪奔，pytorch终于跟OpenVINO可以无缝对接了，从训练到部署。
其中arm支持给出测试demo是在树莓派4B上面，演示程序运行如下：
支持32FP与16FP的模型精度，不支持INT8。
java_api支持是基于OpenJDK，
pytorch模型直接转换为IR格式，支持的模型如下：
- torchvision.models.alexnet
- torchvision.models.resnet18
- torchvision.models.squeezenet1_1
- torchvision.models.inception_v3
- torchvision.models.segmentation.deeplabv3_resnet50
- Detectron2 RetinaNet
感觉似乎有点少，看来得继续加油！需要更多模型转换支持！
为了让大家更好得理解与使用OpenVINO框架，我特别整理了OpenVINO计算机视觉加速的学习路径，图示如下：
