時光飛逝，轉眼2022年也過了四分之三，Intel OpenVINO Toolkit (以下簡稱OpenVINO) 2022.1版也在今年作出不少重大變革，其中一項重要又實用的功能「Deep Learning Streamer (以下簡稱DL Streamer)」也有許多更新。假若各位看過小弟在2018年寫過的「【Intel OpenVINO™教學】GStreamer串流影片智能分析不再慢吞吞─看Intel OpenVINO DL Stream如何加速影片推論」[1]，相信應該會對這項工具有一些初步認識。如果您是剛入門的朋友，也不用太擔心，透過本文依序從「什麼是DL Streamer」、「認識DL Streamer架構」、「如何安裝DL Streamer」、「DL Streamer小試身手」及「DL Streamer表現分析」等小節的介紹，相信應該能更快速、深入了解OpenVINO這項好用的工具。
以往想在Microsoft Windows上運行Liunx（如Ubuntu），可能要透過VMware或Virtualbox這類虛擬化工具來安裝，不過除非你使用的是付費的進階版本，不然通常是無法調用本機端的GPU（不管NVIDIA或INTEL內顯、外顯）資源。後來微軟也看到這個商機於是在2016年順勢在Win10上推出適用於Linux的子系統(Windows Subsystem for Linux, WSL)，讓使用者可輕易使用Linux作業系統的核心功能，包括常見的Ubuntu, openSUSE, Debian, Kali等。2019年推出WSL2時，除了一般Liunx基本的命令列工具（如Bash）外，甚至也可以運行圖形化視窗界面（如X Window）。如此一來就能讓使用者在Windows和Linux兩種作業系統上任意切換，不用再安裝其它虛擬化工具了。
隨著Win11上市，WSL2亦有較大幅度的更新，直接就能從Windows APP Store下載，除了Ubuntu 18.04.5 LTS, 20.04.5 LTS, 22.04.1 LTS可選擇外，另外還有Debian, Kali, fedora remix等多種環境。同時也開始對本地端的GPU有明顯的支援，包括NVIDIA及INTEL（含內顯HD Graphics, Xe，外顯Iris Xe系列），這樣對開發AI應用程式有很大的幫助，就可以使用像TensorFlow, PyTorch這類框架來進行模型訓練及使用像Nvidia TensorRT, Intel OpenVINO這樣的推論工具加速運算。
接下來就帶著大家一步一步把開發環境架設起來。如果你的電腦已經是安裝Ubuntu桌面圖形使用者介面(Desktop GUI)系統，只是想安裝Intel OpenVINO, Docker和DL Streamer來練習，那麼可以略過下面第1, 2, 3, 7節的說明。
