如何在Ubuntu用5行指令快速搭建含英特尔显卡的AI开发环境

本文将介绍如何在Ubuntu 用 5 行指令快速搭建含英特尔显卡的 AI 开发环境, 并使用 OpenVINO 及英特尔显卡优化文生图模型 Stable Diffusion 的速度。

EIV (Edge Insight Vision) 具有一组预集成组件，专为边缘应用的计算机视觉和深度学习推理而设计，并针对英特尔架构进行了优化。它作为容器化架构或独立运行时实现。

此软件包包含用于在英特尔处理器和英特尔显卡设备上安装英特尔显卡驱动程序和为 OpenVINO 推理设置环境的脚本。

工作原理

EIV 是一组预先验证的模块，作为容器化架构或独立运行时实现，用于在边缘部署计算机视觉和深度学习工作负载。该软件包包含面向针对英特尔架构优化的计算机视觉和深度学习应用的英特尔发行版 OpenVINO 工具套件。

图 1：视觉边缘洞察模块

EIV 安装三大模块

Docker

Intel GPU drivers

The Intel Distribution of OpenVINO toolkit (OpenVINO) Docker image 2023.0

入门指南

按照此分步指南在 Linux* 上为您的目标系统安装英特尔 EIV。完成本指南后，您就可以在英特尔 处理器、iGPU 和英特尔 锐炫 显卡上试用示例应用程序了。

1

建议的系统要求

● 处理器：

第 10代 - 第 13 代智能英特尔酷睿 处理器

英特尔 处理器 N 系列

英特尔酷睿 i3 处理器 N 系列

英特尔 锐炫 A 系列显卡

●至少 8GB 内存

●至少 64GB 硬盘

●互联网连接

●Ubuntu* 20.04 英特尔物联网或 Ubuntu* 22.04 英特尔物联网

2

准备目标系统

注意：如果主显示器设置为 dGPU，Ubuntu 22.04 安装将冻结。某些设备，例如 ASUS IoT PE3000G 具有默认的 dGPU 作为主显示器。在 BIOS 菜单中，选择高级 -> 图形配置 -> 主显示器，然后选择“IGFX”。保存更改并重新启动系统。接下来，继续安装 Ubuntu 22.04 和 EIV。EIV 安装完成后，如果您希望使用 dGPU 作为主显示器，请转到 BIOS 并切换回“PEG 插槽”。

确保目标系统具有全新的操作系统安装。请按照以下步骤安装 Ubuntu 操作系统：

将适用于英特尔硬件的 Ubuntu v20.04-IoT or Ubuntu v22.04-IoT Desktop ISO file[1] 下载到开发人员工作站。

使用映像应用程序（如 balenaEtcher[2] 应用程序）创建可启动闪存驱动器。

刷新 USB 闪存驱动器后，关闭目标系统的电源，插入 USB 闪存驱动器，然后打开目标系统的电源。如果目标系统未从 USB 闪存驱动器启动，请在系统 BIOS 中更改启动优先级。

按照提示安装具有默认配置的操作系统。有关详细说明，请参阅本指南[3]。

在代理环境中，请确保已在 /etc/ 环境中设置代理。

01

显卡驱动安装含EVI

（如已安装Ubuntu 22.04 请直接从此处安装）

在目标系统上运行以下命令以安装 EIV。

1. 安装 git 和 git 将 EIV 存储库克隆到 Ubuntu 系统中。

sudo apt -y install git
Git clone https://github.com/intel/edge-insights-vision.git

向右滑动查看完整代码

2. 更新系统上的软件包。

sudo apt-get update

3. 安装 python3-pip。

sudo apt-get -y install python3-pip

4. 将目录更改为 edge-insights-vision 并安装需求包。

cd edge-insights-vision
pip3 install -r requirements.txt

图 2：安装需求包

5.安装 EIV。如果您的系统具有 dGPU，它会将您的内核升级到 6.2.8，并且您的系统将在安装过程中重新启动。重新启动后如果没有跑到 100%, 请重复执行此命令 (由于需要重启,请在开始安装之前保存您的工作。)

python3 eiv_install.py

PS. 中国区用户请将 eiv_install.py 档第·25 行

def connect(host='http://google.com'):

改成

def connect(host='https://baidu.com'):

6. 安装完成后重新启动系统。

图3：成功安装EIV

如果 GPU 驱动程序未显示版本，请重新启动系统并运行此命令以查看驱动程序版本。

clinfo | grep 'Driver Version'

02

运行 Jupyter 笔记本教程

按照以下步骤启动 Jupyter 笔记本并运行基本教程以验证目标系统是否正常工作。

1. 成功安装后，将 launch_notebooks.sh 脚本更改为可执行文件并运行启动器脚本，如下所示：

cd edge-insights-vision
chmod +x launch_notebooks.sh
./launch_notebooks.sh

2. 打开浏览器并粘贴下面突出显示的 URL 以打开 Jupyter 笔记本。

图 4: Output of launch_notebooks.sh

3. 如果您在浏览器中看到以下页面代表所有 OpenVINO notebooks 都可以用了

图 5: Jupyter Notebook in the browser

4. 如果打开“notebooks”文件夹，则可以看到所有可用笔记本的列表。

5. 选择 notebook 236-stable-diffusion-v2/236-stable-diffusion-v2-optimum-demo-comparison.ipynb

6. 它允许从文字描述生成图像，并有助于比较在 CPU 和独立 GPU 上运行不同管道时的性能。

7. 在“显示可用设备信息”步骤中，您可以看到所有设备，这些设备可用于在此 PC 上进行推理。由于我的电脑中安装了独立的 GPU，因此列表中有 GPU.1 Intel （R） Arc （TM） Pro A40/A50。

8. 在此 notebook 中执行的第一个模型是托管在 Hugging Face 上的预训练 Pytorch 模型。

https://huggingface.co/stabilityai/stable-diffusion-2-1

在此单元中，使用standard Stable Diffusion Pipeline在CPU上执行。

9. 它通过文本描述生成图像，如下所示，在我的电脑上推理大约需要 2 分钟。

10. 下一步使用 OpenVINO 进行稳定扩散 为此，将同一模型转换为 OpenVINO IR（Intermediate Representation）格式，并使用 OpenVINO 稳定扩散管道。CPU 用于推理。

对比于使用前已有了显着速度的改进，只需 1 分 16 秒。因此，仅应用 OpenVINO Stable Diffusion Pipeline，性能就提高了近 2 倍。

11. 最后一个实验是在刚装好的显卡上运行 Stable Diffusion。将 GPU 设置为推理设备并运行这几行代码

可以在森林中看到新的红色汽车和进一步的性能改进！这次只需要 43 秒, 对比于原来的 2 分钟有了 60% 以上的提升

总结

本文介绍如何使用 EIV 用 5 行指令在快速搭建含英特尔显卡及 OpenVINO 的 AI 开发环境。并借由文生图模型Stable Diffusion 说明了 OpenVINO 如何优化其推理速度。

审核编辑：刘清