英特尔神经棒使用入门-NCS2 & NCS1 -OpenVino

|--背景：

　　NCS1使用的NCSDK1和NCSDK2，速度一般，没有想象中的速度，能有TX2一半的速度吧。跟大佬又申请了个NCS2来试一试。

　　环境配置到跑通自己写的MNIST分类网络花了2天不到吧。

|--总结：

　　Openvino和之前的NCSDK比算是有很大的进步了。文档都比较全，但是都有文档跟不上版本的问题。

|--环境：

|----Ubuntu16.04 + Openvino R5 2018-5

　　Openvino的安装，按照Intel官网上一步一步走的，没什么大问题。

　　可能安装和跑demo的过程中可能出现的问题：

　　1、使用脚本安装依赖包时可能会有错误，把对于错误的行注释，手动安装即可

　　2、对于上述问题可能原因是源的问题，可以尝试更换一下源，

　　3、如脚本执行sudo apt -E updata 报错，可以在确定系统更新到最新后将改行注释掉，

　　4、安装python-ven 错误，手动安装个虚拟环境即可

　　5、提示xxx.so不是链接文件，重新做一下链接即可（或者在google上找这个报错，overstack中有解决方案，没保存，挺好找的）

 

|----demo& 自定义网络的使用

　　1、demo按照官网的步骤即可，主要是如何使用子定义的网络。

　　2、使用自定义的网络openvino中没有讲，但是应为硬件就是这个了，和NCSDK的要求必然相差不远的按照NCSDK中修改网络即可：https://movidius.github.io/ncsdk/tf_compile_guidance.html

　　3、修改并训练好后，如何编译到Openvino的格式：xml & bin ：在Openvino中有讲如何载入bp文件或者meta文件。可能会遇到的错误 如 入口节点 的未完全定义呀什么，解决方法加入参数： --batch 1 或者 --input_size [x,x,x,x]，参考链接：https://software.intel.com/en-us/forums/computer-vision/topic/801113

　　4、使用网络参考其中的不完全代码和 Python 接口文档：链接 https://software.intel.com/en-us/articles/transitioning-from-intel-movidius-neural-compute-sdk-to-openvino-toolkit

python接口demo：

 1 import openvino.inference_engine as ie 
 2 import cv2
 3 import numpy
 4 import time
 5 def main():
 6     #######################  Device  Initialization  ########################
 7     #  Plugin initialization for specified device and load extensions library if specified
 8     plugin = ie.IEPlugin(device="MYRIAD")
 9     #########################################################################
10 
11     #########################  Load Neural Network  #########################
12     #  Read in Graph file (IR)
13     net = ie.IENetwork(model="mnist_inference.xml", weights="mnist_inference.bin")
14 
15     input_blob = next(iter(net.inputs))
16     out_blob = next(iter(net.outputs))
17     #  Load network to the plugin
18     exec_net = plugin.load(network=net)
19     del net
20     ########################################################################
21 
22     #########################  Obtain Input Tensor  ########################
23     #  Obtain and preprocess input tensor (image)
24     #  Read and pre-process input image  maybe we don't need to show these details
25     image_for_inference = cv2.imread("./1.JPG")
26     
27     image_for_inference = cv2.cvtColor(image_for_inference, cv2.COLOR_BGR2GRAY)
28     image_for_inference=cv2.resize(image_for_inference, (28,28))
29 
30     image_for_inference = image_for_inference.astype(numpy.float32)
31 
32     image_for_inference[:] =1-((image_for_inference[:] )*(1.0/255.0))
33 
34     image_for_inference=image_for_inference.reshape(-1,1,784)
35     # ########################################################################
36 
37     # ##########################  Start  Inference  ##########################
38     # #  Start synchronous inference and get inference result
39     ct=time.time()
40     req_handle = exec_net.start_async(0,inputs={input_blob:image_for_inference})
41     # # ########################################################################
42     # res = exec_net.infer({input_blob:image_for_inference})
43     # # ######################## Get Inference Result  #########################
44     status = req_handle.wait()
45     res = req_handle.outputs[out_blob]
46 
47 
48     # Do something with the results... (like print top 5)
49     print(time.time()-ct)
50     print(res[0])
51     print((1-res[0]).argsort()[:1])
52     # ###############################  Clean  Up  ############################
53     del exec_net
54     del plugin
55     # ########################################################################
56 
57 import sys
58 if __name__ == '__main__':
59     sys.exit(main() or 0)

github 传送门

　　

转载于:https://www.cnblogs.com/CXianRen/p/10650035.html