OPENVINO darknet转openvino （二）

首先，接上文，安装与配置openvino https://mp.csdn.net/console/editor/html/106541178

官方支持darknet模型转化为openvino的模型，本次教程目标是转化darknet模型（项目需要），openvino模型由两个文件组成：.xml（网络）与.bin(参数)

一、准备工作

1.下载好yolov3的weights文件

2.把daknet模型转为yolo的pb格式

git clone https://github.com/mystic123/tensorflow-yolo-v3.git
cd tensorflow-yolo-v3
python convert_weights_pb.py --class_names coco.names --data_format NHWC --weights_file yolov3.weights

3.切记，最好使用命令行，不然自己改代码容易改漏了，后面会报错，本人就是忘记修改数据格式，后面转换失败，fanqiang才知道自己这步骤错了

4.配置好的openvino

二、模型转化

官方转化工具进行转化

python3 mo_tf.py
--input_model /path/to/yolo_v3.pb
--tensorflow_use_custom_operations_config $MO_ROOT/extensions/front/tf/yolo_v3.json
--batch 1

最终的保存文件有两个，.xml包含网络信息， . bin为参数文件

三、下面就是最重要的测试环节，不慌，看看官方教程

加速原理是线性操作融合，减少计算量

intel底层指令集调用与优化 巴拉巴拉

测试脚本路径如下：

openvino_2020.3.194\deployment_tools\inference_engine\demos\python_demos\object_detection_demo_yolov3_async

命令：

python object_detection_demo_yolov3_async.py --labels coco.names -i /home/xuguosheng/yolo/test.mp4 -m yolov3.xml -d CPU

检测结果出来了，后面会对多种模型进行测试，unet等等

 

有问题可及时与我共同讨论，大家一起进步