intel計算棒2代

anaconda刪源：

conda config --remove-key channels

NCS2

第一步：下載OpenVINO

在樹莓派上也可使用該計算棒，先安裝OpenVINO工具，再在樹莓派上安裝Inference Engine

下載連接：https://software.intel.com/en-us/openvino-toolkit/choose-download/free-download-linux

點擊register & download，若是沒有註冊intel帳戶，則自動跳轉到註冊頁面。

由於菜鳥一枚，因此我選擇了比較完善的安裝包。

安裝包下載到了/download路徑中，進入該路徑，解壓。

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

採用gui的安裝方式。

sudo ./install_GUI.sh

一路next便可。

第二步：安裝依賴項

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

我在運行sudo -E ./install_openvino_dependencies.sh時報錯了，說是找不到該命令。因而進入該路徑下看，發現是有該文件的，因而強制運行了該sh文件。

第三步：設置環境變量

vi /home/wmy/.bashrc

將source /opt/intel/openvino/bin/setupvars.sh加入最後一行

保存退出。

第四步：配置model optimizer

由於我暫時只用到了tensorflow，所以就沒所有設置。

先進入模型優化器路徑

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

而後更新tensorflow

sudo ./install_prerequisites_tf.sh

第五步：運行驗證腳本驗證安裝

先進入推理引擎演示目錄

cd /opt/intel/openvino/deployment_tools/demo

運行圖像分類驗證腳本（該命令將下載一個squeezenet模型，使用模型優化器，將模型轉化爲bin和xml（IR)文件。

./demo_squeezenet_download_convert_run.sh

運行該命令，會報錯說少幾個庫，安裝便可。

報錯缺乏request，運行命令conda install requests，安裝。

報錯缺乏yaml，運行命令conda install pyyaml安裝。

報錯缺乏networkx，運行命令conda install networkx安裝。

 

 

運行該模型

./demo_security_barrier_camera.sh

 

 

 

樹莓派上配置計算棒

注意！不要在樹莓派上安裝NCSDK，最好按照教程https://blog.csdn.net/qqqzmy/article/details/85213414配置樹莓派

 

OpenVINO深度學習須要使用的是IR文件(xml和bin),xml文件中包含優化之後的網絡拓撲結構，bin文件優化以後的模型參數和模型變量。

在openvino中使用tensorflow，須要轉換一些層。

轉換腳本爲mo_tf.py，存放於/opt/intel/computer_vision_sdk/deployment_tools/model_optimizer。

 

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

按照教程，下載整個工程。

先運行python mnist_train.py,生成如下文件：

 

再運行python create.py,將以上文件拷貝到ncs文件夾內

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

生成xml和bin文件

最後進入ncs文件夾，運行python run.py獲得運行結果。

 

例子2:

參考連接：https://blog.csdn.net/bleedingfight/article/details/86259268

下載ssd模型，保存到/home/wmy/download/ncs2test並解壓。

終端進入該路徑，輸入命令

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

將生成xml和bin文件

輸入命令

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

將獲得檢測結果，在路徑中生成一個out_0.bmp。

可是該例子好像沒有用到計算棒，只用到了openvino。