OpenVINO 2022.3+ 必须使用 ov::Core 替代已弃用的 InferenceEngine::Core，统一采用 ov::Core + ov::Model + ov::CompiledModel 三件套，头文件改用 #include <openvino/openvino.hpp>，模型须先转为IR格式（v10/v11），加载时需严格匹配设备名大小写与版本，并手动管理输入输出张量内存。
OpenVINO 2022.3+ 版本必须用 ov::Core 替代旧版 InferenceEngine::Core
旧教程里满屏的 InferenceEngine::Core 和 IENetwork 在 OpenVINO 2022.3（含）之后已彻底弃用，继续用会编译失败或运行时崩溃。新 API 统一为 ov::Core + ov::Model + ov::CompiledModel 三件套。
实操要点：
- 头文件改用
#include <openvino></openvino>，别再包含inference_engine.hpp -
ov::Core构造后直接调用read_model()加载.xml（IR v10/v11 格式），不支持原始 ONNX/PyTorch 模型直读 - 模型必须先转成 OpenVINO IR 格式（用
mo.py或convert_model工具），否则read_model()报[ ERROR ] Cannot load model - CPU 推理默认启用多线程（
CPU设备），GPU 需显式指定"GPU"并确保已安装 Intel Graphics Driver 和 GPU Plugin
加载模型时指定设备名要小心大小写和后缀
"CPU"、"GPU"、"AUTO" 是合法设备名，但 "cpu" 或 "gpu" 会静默回退到 CPU，且不报错；"GPU.0" 这类带索引的写法仅在多 GPU 场景下有效，单卡写 "GPU" 就够了。
常见陷阱：
立即学习“C++免费学习笔记（深入）”；
-
core.compile_model(model, "GPU")在无核显机器上会抛出Unknown device: GPU异常，需提前用core.get_available_devices()检查 -
"AUTO"模式虽自动选设备，但默认优先 CPU；如想让 GPU 优先，得写"AUTO:GPU,CPU" - Intel Arc 独立显卡需用
"GPU.1"（取决于lspci | grep VGA中的 PCI ID 顺序），不是所有"GPU.*"都能被识别
ov::InferRequest 必须显式分配输入内存并同步等待结果
和旧版不同，ov::InferRequest 不再自动管理输入/输出张量内存，必须手动调用 set_input_tensor() 和 get_output_tensor()，否则推理结果是随机内存垃圾。
关键步骤：
- 用
compiled_model.create_infer_request()创建请求后，先调infer_request.set_input_tensor(input_tensor)，其中input_tensor需用ov::Tensor构造，类型、尺寸、布局必须与模型输入完全一致（比如 NHWC 模型喂 NCHW 数据会静默出错） - 调
infer_request.infer()是同步阻塞调用；若想异步，得用infer_request.start_async()+infer_request.wait() - 输出 tensor 获取后，要用
tensor.data<float>()取指针，别直接用tensor.data()（返回void*，容易误读）
Intel GPU 推理性能差？检查驱动、插件和精度设置
实测中 GPU 推理比 CPU 还慢，大概率不是代码问题，而是环境配置偏差。
排查点：
- 确认 Intel Graphics Driver 版本 ≥ 26.20.100.8141（对应 Arc A750/A770），老驱动对 OpenVINO 2023.0+ 支持不全
- GPU Plugin 默认用 FP16 精度，但某些模型（尤其含自定义 OP 的）可能 fallback 到 FP32，用
ov::hint::inference_precision(ov::element::f16)显式指定可避免 - Linux 下需设置
export OPENCL_VENDOR=INTEL，否则 OpenCL runtime 可能加载错 vendor - Windows 上若用 WSL2，GPU 不可用——OpenVINO 的 GPU Plugin 不支持 WSL2 的 OpenCL 透传
最常被忽略的是模型 IR 版本和 Plugin 兼容性：用 OpenVINO 2023.0 转的 IR v11 模型，在 2022.3 的 runtime 上加载会失败，错误信息是 Unsupported opset version。版本必须严格对齐。
