文章总结： OpenVINO是英特尔推出的开源AI工具套件，可加速深度学习模型在多种英特尔硬件上的部署和推理，具有一次编写随处部署的优势。文章详细介绍了在Windows上搭建OpenVINONotebooks环境的完整步骤，包括安装Python、创建虚拟环境、下载代码库、安装依赖等，并通过图像分割模型示例展示了如何进行交互式学习。OpenVINONotebooks是学习OpenVINO的实用资源，适合初学者和有经验的开发者。
综合评分： 91
文章分类： AI安全
AI 学习笔记：OpenVINO Notebooks 环境搭建
原创
独钓孤舟雪
MyStackTrace
2025年11月19日 23:59
北京
OpenVINO （Open Visual Inference & Neural network Optimization，开放视觉推理及神经网络优化）是英特尔公司推出的一套开源工具套件，它的核心作用是简化并加速人工智能（尤其是深度学习）模型在各种英特尔硬件上的部署和推理性能。你可以把它理解为一个“模型翻译官”和“模型性能加速器”，它能让开发者训练好的 AI 模型（如目标检测、图像分类等）高效地运行在从 CPU 到 GPU，NPU，FPGA 等多种英特尔平台上。OpenVINO 最大的优势就是一次编写，随处部署。开发者无需为不同的硬件（如 CPU、GPU、NPU、FPGA）重写代码，只需使用 OpenVINO 的 API 编写一次应用程序，通过简单的配置即可将其部署到多种英特尔硬件上，大大提高了开发效率和部署灵活性。
OpenVINO 对于初学者是比较友好的，英特尔官方在 github 上维护了一个 叫 OpenVINO Notebooks 的代码库，它包含了一系列 Jupyter Notebook 格式的教程和示例代码。OpenVINO Notebooks 可以帮助开发者，特别是初学者，通过互动和实践的方式，快速学习和掌握如何使用 OpenVINO 工具套件。下面我们来一步一步演示如何在 Windows 上搭建一个 OpenVINO Notebooks 环境。
一、安装 Python 3.9+，Git for Windows。
二、创建 OpenVINO 虚拟环境。
建议尽量安装 OpenVINO 虚拟环境，这样可以和 Python 的全局环境隔离开，互不影响。安装 OpenVINO 虚拟环境运行下面的命令即可。
python -m venv openvino_env
三、从 github 下载 openvino_notebooks 代码库。
你可以在 openvino_env 的同一个路径下克隆 openvino_notebooks 代码库。
git clone https://github.com/openvinotoolkit/openvino_notebooks.git
四、启动虚拟环境。
使用如下命令激活虚拟环境，当虚拟环境激活之后，命令提示符会有个 (openvino_env) 前缀。
openvino_env\Scripts\activate
五、安装 OpenVINO Notebooks 的依赖项。
进入 openvino_notebooks 代码目录，运行下面的命令，安装依赖项，其中就包括 Jupyter Lab。
python -m pip install --upgrade pip wheel setuptoolspip install -r requirements.txt
六、启动 OpenVINO Notebooks。
在 openvino_notebooks 代码目录中使用如下命令启动 OpenVINO Notebooks。
jupyter lab notebooks
上面这个命令启动的 OpenVINO Notebooks 只能在本地访问，如果想在其他机器上访问，需要使用如下命令。
jupyter lab notebooks --ip 0.0.0.0
执行完上面的命令之后，浏览器会自动弹出，并且打开 OpenVINO Notebooks 页面，左边栏里面的每一项都是一个 notebook，也是一个模型的例子。
下面我们选一个简单的例子，演示一下如何与这些 notebook 交互。比如我们打开 hello-segmentation，这是一个做图像分割的模型，双击该 notebook，就进入了这个 notebook 目录，可以看到里面有 data 和 model 两个目录，还有运行该模型的 python 代码。
再双击 hello-segmentation.ipynb，就会加载该 notebook，浏览器右边就会显示出这个 notebook 的详细内容，从这个描述来看该模型是为驾驶辅助服务的，能够识别出道路，标志等元素。
接下来，我们就可以使用这个 notebook 进行交互式学习了，只需点击 notebook 上方的 “Run this cell and advance” 按钮或者直接使用快捷键 “Shift+Enter” 就可以单步执行这个 notebook，每一步都会运行相应的 Python 代码，其中就包括下载模型和权重，选择推理设备，加载模型，加载数据等。
执行到最后，我们就可以看到这个模型根据给定的图片推理的结果了，可以看到图像分割的效果还不错，把道路都识别出来了。
你也可以直接在浏览器中编辑 Python 代码，比如修改用于推理的图片的路径，然后重新推理。
最后，总结一下：OpenVINO Notebooks 是学习 OpenVINO 工具套件最实用、最有效的资源，没有之一。对于初学者，它是循序渐进的互动教程，对于有经验的开发者，它是解决特定问题的代码示例库和灵感来源。通过动手运行这些笔记本，你不仅能深刻理解 OpenVINO 的工作流程和强大功能，还能快速获得将 AI 模型部署到英特尔硬件上的实战能力。强烈建议任何对 OpenVINO 感兴趣的人从这里开始。
Have Fun 😁
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：MyStackTrace 独钓孤舟雪《AI 学习笔记：OpenVINO Notebooks 环境搭建》