|--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