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
