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:

 import openvino.inference_engine as ie
import cv2
import numpy
import time
def main():
####################### Device Initialization ########################
# Plugin initialization for specified device and load extensions library if specified
plugin = ie.IEPlugin(device="MYRIAD")
######################################################################### ######################### Load Neural Network #########################
# Read in Graph file (IR)
net = ie.IENetwork(model="mnist_inference.xml", weights="mnist_inference.bin") input_blob = next(iter(net.inputs))
out_blob = next(iter(net.outputs))
# Load network to the plugin
exec_net = plugin.load(network=net)
del net
######################################################################## ######################### Obtain Input Tensor ########################
# Obtain and preprocess input tensor (image)
# Read and pre-process input image maybe we don't need to show these details
image_for_inference = cv2.imread("./1.JPG") image_for_inference = cv2.cvtColor(image_for_inference, cv2.COLOR_BGR2GRAY)
image_for_inference=cv2.resize(image_for_inference, (28,28)) image_for_inference = image_for_inference.astype(numpy.float32) image_for_inference[:] =1-((image_for_inference[:] )*(1.0/255.0)) image_for_inference=image_for_inference.reshape(-1,1,784)
# ######################################################################## # ########################## Start Inference ##########################
# # Start synchronous inference and get inference result
ct=time.time()
req_handle = exec_net.start_async(0,inputs={input_blob:image_for_inference})
# # ########################################################################
# res = exec_net.infer({input_blob:image_for_inference})
# # ######################## Get Inference Result #########################
status = req_handle.wait()
res = req_handle.outputs[out_blob] # Do something with the results... (like print top 5)
print(time.time()-ct)
print(res[0])
print((1-res[0]).argsort()[:1])
# ############################### Clean Up ############################
del exec_net
del plugin
# ######################################################################## import sys
if __name__ == '__main__':
sys.exit(main() or 0)

github 传送门

  

上一篇:[小技巧]C#中如何为枚举类型添加描述方法


下一篇:IOS 字典快速转换为Model 模型