intel计算棒2代

anaconda删源：

conda config --remove-key channels

NCS2

第一步：下载OpenVINO

在树莓派上也可使用该计算棒，先安装OpenVINO工具，再在树莓派上安装Inference Engine

下载连接：https://software.intel.com/en-us/openvino-toolkit/choose-download/free-download-linux

点击register & download，若是没有注册intel帐户，则自动跳转到注册页面。

由于菜鸟一枚，因此我选择了比较完善的安装包。

安装包下载到了/download路径中，进入该路径，解压。

cd  /home/wmy/download
tar -xvzf l_openvino_toolkit_p_2019.1.094.tgz
cd l_openvino_toolkit_p_2019.1.094

采用gui的安装方式。

sudo ./install_GUI.sh

一路next便可。

第二步：安装依赖项

cd /opt/intel/openvino/install_dependencies
sudo -E ./install_openvino_dependencies.sh

我在运行sudo -E ./install_openvino_dependencies.sh时报错了，说是找不到该命令。因而进入该路径下看，发现是有该文件的，因而强制运行了该sh文件。

第三步：设置环境变量

vi /home/wmy/.bashrc

将source /opt/intel/openvino/bin/setupvars.sh加入最后一行

保存退出。

第四步：配置model optimizer

由于我暂时只用到了tensorflow，所以就没所有设置。

先进入模型优化器路径

cd /opt/intel/openvino/deployment_tools/model_optimizer/install_prerequisites

而后更新tensorflow

sudo ./install_prerequisites_tf.sh

第五步：运行验证脚本验证安装

先进入推理引擎演示目录

cd /opt/intel/openvino/deployment_tools/demo

运行图像分类验证脚本（该命令将下载一个squeezenet模型，使用模型优化器，将模型转化为bin和xml（IR)文件。

./demo_squeezenet_download_convert_run.sh

运行该命令，会报错说少几个库，安装便可。

报错缺乏request，运行命令conda install requests，安装。

报错缺乏yaml，运行命令conda install pyyaml安装。

报错缺乏networkx，运行命令conda install networkx安装。

 

 

运行该模型

./demo_security_barrier_camera.sh

 

 

 

树莓派上配置计算棒

注意！不要在树莓派上安装NCSDK，最好按照教程https://blog.csdn.net/qqqzmy/article/details/85213414配置树莓派

 

OpenVINO深度学习须要使用的是IR文件(xml和bin),xml文件中包含优化之后的网络拓扑结构，bin文件优化以后的模型参数和模型变量。

在openvino中使用tensorflow，须要转换一些层。

转换脚本为mo_tf.py，存放于/opt/intel/computer_vision_sdk/deployment_tools/model_optimizer。

 

例子1github地址https://github.com/CXianRen/Openvino_NCS

按照教程，下载整个工程。

先运行python mnist_train.py,生成如下文件：

 

再运行python create.py,将以上文件拷贝到ncs文件夹内

运行python mo_tf.py --input_meta_graph ./ncs/cnn-mnist_inference.meta --batch 1

生成xml和bin文件

最后进入ncs文件夹，运行python run.py获得运行结果。

 

例子2:

参考连接：https://blog.csdn.net/bleedingfight/article/details/86259268

下载ssd模型，保存到/home/wmy/download/ncs2test并解压。

终端进入该路径，输入命令

python mo_tf.py --input_model ./frozen_inference_graph.pb --output=detection_boxes,detection_scores,num_detections --tensorflow_use_custom_operations_config /home/wmy/intel/openvino_2019.1.094/deployment_tools/model_optimizer/extensions/front/tf/ssd_v2_support.json --tensorflow_object_detection_api_pipeline_config /home/wmy/download/ncs2test/ssd_inception_v2_coco_2018_01_28/pipeline.config

将生成xml和bin文件

输入命令

ssd_bin=/home/wmy/inference_engine_samples_build/intel64/Release/object_detection_sample_ssd
network=/home/wmy/download/ncs2test/ssd_inception_v2_coco_2018_01_28/frozen_inference_graph.xml
${ssd_bin} -i example.bmp -m ${network} -d CPU

将获得检测结果，在路径中生成一个out_0.bmp。

可是该例子好像没有用到计算棒，只用到了openvino。