ubuntu openVINO安裝&配置
加入技術交流群
安裝ubuntu16.04版openVINO
參考官網下載地址：
本文引用地址：http://www.104case.com/article/202008/416588.htmhttps://software.intel.com/content/www/cn/zh/develop/tools/openvino-toolkit/download.html?cid=other&source=eepw_web-res_ceds&campid=prc_q2_iotg_ov-da&content=web-reg_all
參考官網安裝教程：
https://docs.openvinotoolkit.org/latest/_docs_install_guides_installing_openvino_linux.html#install-openvino
注意的點：
1 配置tensorflow等模型優化器的時候，官網使用的是sudo pip命令安裝依賴包，但是由于我們有虛擬環境，所以我需要在虛擬環境中安裝
首先，激活虛擬環境
然后，由于我的虛擬環境存在tensorflow和numpy，所以不需要安裝這兩個，
制作去掉這兩個安裝包的requirements_tf_tzlmodify.txt，然后使用pip install -r 進行安裝。
2 修改/opt/intel/的權限為tongzhlin
sudo chown -R tongzhilin:tongzhilin /opt/intel
sudo chown -R tongzhilin:tongzhilin ~/intel
3 執行Demo文件夾下的腳本的時候，報錯找不到‘yaml’
由于我們使用的是virtualenv虛擬環境，所以正確的安裝是：
激活虛擬環境后
pip install PyYAML
4 demo/下的兩個腳本，不用sudo執行也可以成功，如果需要打開圖片，則需要sudo執行。
5
demo_squeezenet_download_convert_run.sh:腳本會自動下載和安裝依賴包，并且下載測試Caffe模型將其轉成OpenVINO的xml/bin文件，測試圖片是一張轎車照片。
依賴包安裝在：～/inference_engine_samples_build
源碼在：/opt/intel/openvino/deployment_tools/inference_engine/samples
Caffe模型下載到 ～/openvino_models
demo_security_barrier_camera.sh:物體識別，車牌識別.同上面的命令也會自動下載安裝依賴包，自動下載openvino的模型
6 linux下識別VPU需要更新usb驅動規則
source /opt/intel/openvino/bin/setupvars.sh
cd /opt/intel/openvino/install_dependencies
./install_NCS_udev_rules.sh
模型轉換指令
通過meta轉換，這個命令總是轉換失敗，還沒有解決
./mo_tf.py --input_meta_graph ~/facenet/models/20180402-114759/model-20180402-114759.meta --output_dir ~/openvino_models/ --freeze_placeholder_with_value “phase_train->False” --reverse_input_channels
通過pb文件轉換
facenet提供了模型轉換工具，把checkpoint模型轉換成pb模型
python src/freeze_graph.py ./models_cslead/20190528-141841/ ./models_cslead/20190528-141841/20190528-141841.pb
pb轉換：
./mo_tf.py --input_model ~/facenet/models_cslead/20190528-141841/20190528-141841.pb --output_dir ~/openvino_models/facenet/20190528-141841/ --freeze_placeholder_with_value “phase_train->False” --reverse_input_channels
參數：
–input_shape “[1,160,160,3]”
–data_type=FP16 #vpu支持的浮點格式
模型轉換成功后，vpu不能使用轉換后的模型
在openVINO環境下，很長一段時間我轉換的facenet模型在第一代和第二代計算棒上的返回結果都是1和-1，不能使用，非常苦惱，我以為是1所描述的問題，但是并不是，openVINO完美支持Inception Resnet v1和Inception Resnet v2，而且計算棒1代和計算棒2代也完美支持Inception Resnet v1和Inception Resnet v2網絡，最終的解決方法是：
（1）cpp文件的FP32改成FP16
（2）由于cpp沒有float16精度，所以需要我們自定義這個精度，預白化后的圖像，轉換成float16精度，傳給計算棒。
（3）同理，輸出結果也要由float16精度轉換成float32精度
（4）滿足以上條件后，你會發現，結果依然是1，-1…，這就要修改最為關鍵的一步，打開轉換后的模型，找到最后的“Normalize”項，across_spatial=“0” 改成 across_spatial=“1”，這就OK拉，興奮。
驗證
cd /home/tongzhilin/inference_engine_samples_build/intel64/Release
cpu
./classification_sample -i ~/facenet/data/lfw_data/lfw_160/Rose_Linkins/Rose_Linkins_0001.png ~/facenet/data/lfw_data/lfw_160/Rose_Marie/Rose_Marie_0001.png -m ~/openvino_models/facenet/20190528-141841/20190528-141841.xml
./classification_sample -i ~/facenet/data/lfw_data/lfw_160/Alberto_Fujimori/ -m ~/openvino_models/facenet/20190528-141841/20190528-141841.xml
vpu
./classification_sample -i ~/facenet/data/lfw_data/lfw_160/Rose_Linkins/Rose_Linkins_0001.png ~/facenet/data/lfw_data/lfw_160/Rose_Marie/Rose_Marie_0001.png -m ~/openvino_models/facenet_fp16/20190528-141841/20190528-141841.xml -d MYRIAD
./classification_sample -i ~/facenet/data/lfw_data/lfw_160/Rose_Linkins/ -m ~/openvino_models/facenet_fp16/20190528-141841/20190528-141841.xml -d MYRIAD
python 指令
python classification_sample.py -i ~/facenet/data/lfw_data/lfw_160/Rose_Linkins/Rose_Linkins_0001.png ~/facenet/data/lfw_data/lfw_160/Rose_Marie/Rose_Marie_0001.png -m ~/openvino_models/facenet_fp16/20190528-141841/20190528-141841.xml -d MYRIAD
python classification_sample.py -i ~/facenet/data/lfw_data/lfw_160/Rose_Linkins/Rose_Linkins_0001.png ~/facenet/data/lfw_data/lfw_160/Rose_Marie/Rose_Marie_0001.png -m ~/openvino_models/facenet/20190528-141841/20190528-141841.xml
編譯
cd /home/tongzhilin/inference_engine_samples_build/classification_sample
cp ~/inference_engine/samples/classification_sample/main.cpp /opt/intel/openvino/inference_engine/samples/classification_sample/
想要查看更多OpenVINO相關技術與資料，請戳>> http://www.104case.com/openvino
評論