精华内容
下载资源
问答
  • 英特尔神经计算棒by Rishal ... 如何设置英特尔Movidius神经计算棒 (How to set up the Intel Movidius Neural Compute Stick) In 2017 I was approached by Intel to join their Innovator Programme. After a co...

    英特尔神经计算棒

    by Rishal Hurbans

    由Rishal Hurbans

    如何设置英特尔Movidius神经计算棒 (How to set up the Intel Movidius Neural Compute Stick)

    In 2017 I was approached by Intel to join their Innovator Programme. After a couple interviews I was inducted as an Intel Innovator in the AI space. The idea of the initiative is to support technologists around the world involved in the community by providing cutting edge hardware, speakership opportunities, and a platform to promote their work and engage with more people.

    2017年,英特尔邀请我加入他们的创新计划。 经过几次采访后,我被选为AI领域的英特尔创新者。 该计划的想法是通过提供最先进的硬件,演讲机会以及促进他们的工作并与更多人互动的平台来支持世界各地参与社区的技术人员。

    Intel sent me a Movidius Neural Compute Stick. It’s a USB stick a little larger than a thumb drive that is specifically designed to train and primarily run neural network graphs, which is particularly useful in running networks for deep learning where learning happened from media such as images and video. I’ll likely cover deep learning in a future post. From benchmarks, the Movidius neural compute stick promises to run models up to five times faster than a standard laptop.

    英特尔向我发送了Movidius神经计算棒。 这是一个比拇指驱动器大一点的USB记忆棒,专门设计用于训练和主要运行神经网络图,这在运行深度学习网络时特别有用,在深度学习中,需要从图像和视频等媒体中学习。 我可能会在以后的文章中介绍深度学习。 从基准来看,Movidius神经计算棒承诺运行模型的速度比标准笔记本电脑快五倍。

    Upon receiving the device, I realised that it currently only runs on Ubuntu 16.04 and the Raspberry Pi 3. Being a macOS user, this was a little problematic, so I decided to run an Ubuntu virtual machine to start tinkering with the device. This guide describes how I successfully setup an environment acceptable for the Movidius stick, and briefly describes its capabilities.

    收到设备后,我意识到它目前只能在Ubuntu 16.04和Raspberry Pi 3上运行。作为macOS用户,这有点问题,因此我决定运行Ubuntu虚拟机来开始对该设备进行修改。 本指南介绍了如何成功设置Movidius棒可接受的环境,并简要介绍了其功能。

    设置虚拟机 (Setting up a virtual machine)

    The first step is getting a virtual machine(VM) up and running. Although there are a number of different VM software options, Virtual Box is a freely available one that’s simple to configure and use. Alternatives such as Parallels and VMWare may provide better performance if the VM is intended to be used as a primary workstation.

    第一步是启动并运行虚拟机。 尽管有许多不同的VM软件选项,但Virtual Box是可免费使用的,易于配置和使用。 如果打算将VM用作主要工作站,则诸如Parallels和VMWare之类的替代方案可能会提供更好的性能。

    1. Download Virtual Box.

      下载Virtual Box

    2. Install Virtual Box using the downloaded installer.

      使用下载的安装程序安装Virtual Box。
    3. Download Virtual Box Extension Pack.

      下载Virtual Box Extension Pack

    4. Install Virtual Box Extension Pack using the downloaded installer.

      使用下载的安装程序安装Virtual Box Extension Pack。
    5. Download Ubuntu 16.04 64 bit ISO image.

      下载Ubuntu 16.04 64位ISO映像

    6. Create a new virtual machine.

      创建一个新的虚拟机。
    7. Load Ubuntu 16.04 image as optical disk on the newly created virtual machine.

      将Ubuntu 16.04映像作为光盘加载到新创建的虚拟机上。
    8. Start the virtual machine.

      启动虚拟机。
    9. Follow the steps to install Ubuntu on the virtual machine.

      请按照以下步骤在虚拟机上安装Ubuntu。

    My virtual machine specifications:

    我的虚拟机规格:

    These are the configurations I used. Feel free to adjust the memory(RAM) and hard disk allocation as you see fit. Keep in mind that over-allocating resources will result in poor performance on the host operating system.

    这些是我使用的配置。 随意调整您认为合适的内存(RAM)和硬盘分配。 请记住,过度分配资源会导致主机操作系统上的性能下降。

    • Name: Ubuntu 16.04

      名称:Ubuntu 16.04
    • Type: Linux

      类型:Linux
    • Memory Size: 3072 MB

      记忆体大小:3072 MB
    • Virtual hard disk: 40 GB

      虚拟硬盘:40 GB

    Ubunutu 16.04的先决条件 (Prerequisites on Ubunutu 16.04)

    Before getting the SDK and examples up and running, some dependencies are required to ensure that the development environment is ready and the necessary tools are available. This entails updating Ubuntu and making sure you have Python, PIP (PIP Installs Packages), and Git to clone code repositories.

    在启动和运行SDK和示例之前,需要一些依赖项,以确保开发环境准备就绪并且必要的工具可用。 这需要更新Ubuntu,并确保您具有Python,PIP(PIP安装软件包)和Git来克隆代码存储库。

    1. Update Ubuntu: A popup should appear to update Ubuntu or you can use this command in Console: sudo apt-get upgrade

      更新Ubuntu:应该会出现一个弹出窗口以更新Ubuntu,或者您可以在控制台中使用此命令: sudo apt-get upgrade

    2. To use Console, simply click on the Ubuntu menu and search for the “Console” application.

      要使用控制台,只需单击Ubuntu菜单并搜索“ Console”应用程序。
    3. Make sure Python 3 is installed using Console: python3 --version

      确保使用控制台安装了Python 3: python3 --version

    4. If Python 3 is not installed, install it using Console: sudo apt install python3

      如果未安装Python 3,请使用控制台进行sudo apt install python3sudo apt install python3

    5. Make sure pip 3 is installed using Console: pip3 --version

      确保使用控制台安装了pip 3: pip3 --version

    6. If pip 3 is not installed, install it using Console: sudo apt install python3-pip

      如果未安装pip 3,请使用控制台进行sudo apt install python3-pipsudo apt install python3-pip

    7. Make sure Git is installed using Console: git --version

      确保使用控制台安装了Git: git --version

    8. If Git is not installed, install it using Console: sudo apt install git-all

      如果未安装Git,请使用控制台进行sudo apt install git-allsudo apt install git-all

    确保Movidius Stick被识别 (Make sure the Movidius Stick is recognised)

    Next, we get to setting up the Movidius stick. This involves ensuring that the USB devices is recognised by the virtual machine. Since a virtual machine gains access to hardware via the host operating system, some configuration is required for devices such as the Movidius where drivers are not distributed commonly.

    接下来,我们要设置Movidius摇杆。 这涉及确保USB设备被虚拟机识别。 由于虚拟机可以通过主机操作系统访问硬件,因此对于Movidius等设备(其驱动程序不常见),需要进行一些配置。

    1. Plug the Movidius stick into a USB port.

      将Movidius记忆棒插入USB端口。
    2. Use the lsusb command in Console to determine if it is recognised by the VM and Ubuntu. You should see the Movidius stick in the list of USB devices.

      在控制台中使用lsusb命令来确定VM和Ubuntu是否可以识别它。 您应该在USB设备列表中看到Movidius记忆棒。

    3. If it is not recognised. Shut down the VM and follow the below instructions.

      如果无法识别。 关闭虚拟机,然后按照以下说明进行操作。
    4. Navigate to the settings of the VM in Virtual Box. Choose Ports > USB.

      导航到“ Virtual Box”中虚拟机的设置。 选择“端口> USB”。
    5. Add a new filter for USB 2 providing just the Vendor ID as 03e7

      为USB 2添加新的过滤器,仅提供供应商ID为03e7

    6. Add a new filter for USB 3 providing just the Vendor ID as 040e

      为USB 3添加新的筛选器,仅提供供应商ID为040e

    7. Start the Ubuntu VM.

      启动Ubuntu VM。
    8. Use the lsusb command to list USB devices, and the Movidius stick should now be recognised. In my case, it worked being plugged into a USB 3 port but it was recognised as USB 2 vendor ID 03e7.

      使用lsusb命令列出USB设备,现在应该可以识别Movidius记忆棒了。 就我而言,它可以插入USB 3端口,但是被识别为USB 2供应商ID 03e7

    安装NCSDK (Install NCSDK)

    The NCSDK is required to interact with the Movidius stick. The goal of the SDK is to provide an interface to neural compute hardware. This means that machine learning programs can be written to take advantage of the optimisation of purpose-specific hardware by using this SDK.

    需要NCSDK与Movidius操纵杆进行交互。 SDK的目标是提供神经计算硬件的接口。 这意味着可以使用此SDK编写机器学习程序,以利用针对特定目的的硬件的优化。

    1. Clone the NCSDK (Neural Compute Software Development Kit) repository in Console: git clone https://github.com/movidius/ncsdk.git

      在控制台中克隆NCSDK(神经计算软件开发套件)存储库: git clone https://github.com/movidius/ncsdk.git

    2. If you have problems with the repository, download the NCSDK here. I used version 1:

      如果存储库有问题,请在此处下载NCSDK。 我使用了版本1:

    1.12.00.01:https://ncs-forum-uploads.s3.amazonaws.com/ncsdk/ncsdk-01_12_00_01-full/ncsdk-1.12.00.01.tar.gz

    1.12.00.01: https://ncs-forum-uploads.s3.amazonaws.com/ncsdk/ncsdk-01_12_00_01-full/ncsdk-1.12.00.01.tar.gz

    2.05.00.02:https://ncs-forum-uploads.s3.amazonaws.com/ncsdk/ncsdk-02_05_00_02-full/ncsdk-2.05.00.02.tar.gz

    2.05.00.02: https://ncs-forum-uploads.s3.amazonaws.com/ncsdk/ncsdk-02_05_00_02-full/ncsdk-2.05.00.02.tar.gz

    Then perform the following steps:

    然后执行以下步骤:

    1. Navigate to the NCSDK directory in Console.

      导航到控制台中的NCSDK目录。
    2. Build the SDK in Console: make install

      在控制台中构建SDK: make install

    3. Build the examples: make examples

      构建示例: make examples

    构建并运行示例 (Build and Run Examples)

    Finally, we get to run some examples and see the Movidius in action. The Neural Compute App Zoo is a repository of examples that demonstrate how the NC SDK and Movidius stick can be used to train and process neural network graphs more efficiently than typical CPUs.

    最后,我们开始运行一些示例,看看Movidius的作用。 Neural Compute App Zoo是一个示例存储库,这些示例演示了如何使用NC SDK和Movidius stick比典型的CPU更有效地训练和处理神经网络图。

    The example we will be looking at is image classification. Instead of creating our own model which will take countless of hours of data collection, data processing, and training, we will simply use GoogLeNet — a well trained model for image classification by Google. The graph engine used to process the model will be Caffe. Caffe is a widely used machine-vision framework which excels at image-related tasks.

    我们将要看的示例是图像分类。 与其创建我们自己的模型,该模型将花费大量时间进行数据收集,数据处理和培训,我们将仅使用GoogLeNet(谷歌对图像进行分类的训练有素的模型)。 用于处理模型的图形引擎将是Caffe。 Caffe是一种广泛使用的机器视觉框架,擅长于图像相关的任务。

    1. Clone the examples repository in Console: git clone https://github.com/movidius/ncappzoo.git

      在控制台中克隆示例存储库: git clone https://github.com/movidius/ncappzoo.git

    2. Navigate to cloned directory: cd ncappzoo

      导航到克隆目录: cd ncappzoo

    3. Build the examples: make

      构建示例: make

    4. Install sk-image if it’s missing: pip3 install scikit-image

      如果缺少,请安装sk-image: pip3 install scikit-image

    5. Make caffe GoogleImageNet graph: cd caffe && make

      制作caffe GoogleImageNet图: cd caffe && make

    6. Navigate to image-classifier: cd apps/image-classifier

      导航到图像分类器: cd apps/image-classifier

    7. Run the example: python3 image-classifier.py

      运行示例: python3 image-classifier.py

    8. Success! You should see results of the basic image classifier.

      成功! 您应该看到基本图像分类器的结果。

    前进并征服 (Go Forth and Conquer)

    Although the Movidius Neural Compute stick only supports Raspbian and Ubuntu at the moment, it is possible to get it running on your platform. Soon we will be seeing AI on edge devices such as drones, home automation cameras, and other IoT devices via purpose specific hardware solutions such as the Movidius. Explore the examples and build your own AI, share your great work, and help mould the future.

    尽管Movidius神经计算棒目前仅支持Raspbian和Ubuntu,但是有可能使其在您的平台上运行。 很快,我们将通过专用硬件解决方案(例如Movidius)在无人机,家庭自动化摄像头和其他IoT设备等边缘设备上看到AI。 探索示例并构建自己的AI,分享您的出色工作,并帮助塑造未来。

    Keep in touch ✌️I’m active on Twitter: @RishalHurbans

    保持联系✌️我在Twitter上活跃: @RishalHurbans

    I’m available on email via rishal[at]prolificidea[dot]com

    我可以通过rishal [at] prolificidea [dot] com接收电子邮件

    I’m also writing more, so follow me on Medium.

    我也在写更多,所以在Medium上关注我。

    If you enjoyed this article, please give it a clap, or five, or fifty. It will help others see it.

    如果您喜欢这篇文章,请给它鼓掌,或五或五十。 它将帮助其他人看到它。

    翻译自: https://www.freecodecamp.org/news/how-to-set-up-the-intel-movidius-neural-compute-stick-b9db16d493a7/

    英特尔神经计算棒

    展开全文
  • YOLO for Intel / Movidius神经计算棒(NCS) 新闻 相机应用正在运行。 YOLOv1 Tiny正在运行。 Protobuf模型文件 ./prototxt/ 将预训练的Caffe模型下载到./weights/ YOLO_tiny: ://drive.google....
  • 本文讨论在Ubuntu16.04的系统中使用Movidius神经计算棒,进行vgg16算法预测。 神经计算SDK官方网站https://movidius.github.io/ncsdk/install.html 1.首先在系统中安装python3.5,这里不再赘述。 2.然后进行神经...

    本文讨论在Ubuntu16.04的系统中使用Movidius神经计算棒,进行vgg16算法预测。

    神经计算SDK官方网站https://movidius.github.io/ncsdk/install.html

    1.首先在系统中安装python3.5,这里不再赘述。

    2.然后进行神经计算SDK的安装,注意安装过程中记得将计算棒插入USB接口。

    本文以NCSDK2的版本进行讲解,依次执行以下安装命令:

    wget https://ncs-forum-uploads.s3.amazonaws.com/ncsdk/ncsdk-02_05_00_02-full/ncsdk-2.05.00.02.tar.gz
    tar xvf ncsdk-2.05.00.02.tar.gz
    cd ncsdk-2.05.00.02
    make install
    make examples

    如果因为环境问题导致安装不成功,具体冲突可查看官网说明。

    3.安装成功后,将caffe或者tensorflow训练好的模型进行编译,NCSDK会自动安装tensorflow1.7.0的版本。本文以vgg16为例,建立model_build.py:

    from keras.applications import VGG16
    from keras import backend as K
    import tensorflow as tf
    
    mn = VGG16()
    saver = tf.train.Saver()
    sess = K.get_session()
    saver.save(sess, "./TF_Model/vgg16")
    

    4.然后运行此文件

    python model_build.py

    此处用tf.train.Saver()保存了一个tf模型。

    5.在终端采用如下命令进行编译,指定网络的输入和输出节点

    mvNCCompile TF_Model/vgg16.meta -in=input_1 -on=predictions/Softmax -s 12

    其中,-s 12表示使用12个SHAVE处理器

    然后,可得到一个graph文件。

    6.使用如下命令,查看模型每一层的运行情况:

    mvNCProfile TF_Model/vgg16.meta -in=input_1 -on=predictions/Softmax -s 12

    由上图可知,vgg16实际执行时间为791.23毫秒,因此其实际上不适用于视频的分析,这里仅作为一个demo来讲解神经计算棒的使用过程。

    7.然后,我们下载一张图,到默认路径~/Download/aaa.jpg

    8.编写predict-vgg16.py文件,将graph加载到神经计算棒设备中进行预测。代码如下:

    from mvnc import mvncapi as mvnc
    import cv2
    import numpy
    import sys
    from keras.applications import VGG16
    from keras.applications.vgg16 import preprocess_input, decode_predictions
    from keras.preprocessing.image import load_img, img_to_array
    import matplotlib.pyplot as plt
    
    img = load_img(sys.argv[1], target_size=(224, 224)) # 命令行第一个参数输入图片路径,转化为目标大小
    img = img_to_array(img) #转化格式
    img = preprocess_input(img) #预处理
    
    print("NCS")
    
    devices = mvnc.enumerate_devices() #获取连接到主机系统的神经计算设备列表
    
    device = mvnc.Device(devices[0]) #调用第一个NCS设备
    device.open() #打开通信
    
    with open("graph", mode='rb') as f: #读取图文件,转化为二进制流
        graphfile = f.read()
    
    graph = mvnc.Graph('aaaa') #初始化一个名为aaaa的图
    input_fifo,output_fifo=graph.allocate_with_fifos(device,graphfile) #创建输入和输出先进先出队列,将图加载到设备
    tensor=img.astype(numpy.float32) #输入张量数据必须是输入Fifo的RW_DATA_TYPE选项指定的数据类型。默认值为32位浮点
    graph.queue_inference_with_fifo_elem(input_fifo,output_fifo,tensor,'user object') #将输入张量写入输入Fifo并将其排队以进行推理
    output,user_obj=output_fifo.read_elem() #推理完成后,使用Fifo.read_elem()获取推理结果。
    
    result = decode_predictions(output.reshape(1, 1000)) #获取结果
    print(result) #输出结果
    
    # 关闭队列、图和设备
    input_fifo.destroy()
    output_fifo.destroy()
    graph.destroy()
    device.close()
    device.destroy()
    

    9.运行predict-vgg16.py文件预测此图片

    python predict-vgg16.py ~/Downloads/aaa.jpg

    结果如下:

    NCS
    [[('n04350905', 'suit', 0.89990234), ('n04591157', 'Windsor_tie', 0.025924683), ('n03680355', 'Loafer', 0.024169922), ('n02883205', 'bow_tie', 0.019729614), ('n03832673', 'notebook', 0.0046310425)]]
    

    可以看到,关于suit,即西装的概率是最高的,为0.89990234,可知预测成功。vgg16不是预测人的model,因此不会出现人的预测结果。

    有什么问题可以一起讨论。

    展开全文
  • 分享 | 将Pytorch模型部署到Movidius神经计算棒 爱分享的 OpenVINO 中文社区 内 容 来 源 | 郭春旭 排 版 | 卢书晴 原文链接:https://mc.dfrobot.com.cn/thread-306570-1-1.html 内容提要 这篇文章将是从笔者一个...

    分享 | 将Pytorch模型部署到Movidius神经计算棒

    爱分享的 OpenVINO 中文社区

    内 容 来 源 | 郭春旭
    排 版 | 卢书晴
    原文链接:https://mc.dfrobot.com.cn/thread-306570-1-1.html

    内容提要

     这篇文章将是从笔者一个小白的视角出发,演示如何将自己训练的网络模型使用OpenVINO的优化器进行优化,并将其部署到神经计算棒进行推理加速的过程。
    

    正文部分

    1.将Pytorch模型转化为ONNX格式

     我们可以从脚本中保存网络的结构开始看,Pytorch保存模型分为两种:
    
      ① 只保留模型参数
    
     只保留参数[/align]torch.save(model.state_dict(), '\parameter.pkl')
    

    ②保存完整的模型

    保存完整的模型torch.save(model, '\model.pkl')
    

    我们需要完整的网络信息用于转化,所以需要在此选择第二种“保存完整的模型”方式。

    之后,我们需要读取这个 pkl 文件并将其转化为 onnx 格式,我们需要定义批处理大小、输入数据尺寸、使用设备等信息,再定义好文件输入与输出的路径即可。

    在这里插入图片描述

    2.使用模型优化器进行优化

    OpenVINO 的推理引擎支持的文件为中间表示文件 IR ,需要调用 OpenVINO 工具包中的mo.py 进行优化,如果使用 Tensorflow 等直接支持的框架则可以直接从框架模型转化为 IR ,而如果是像本文中提到的 Pytorch 的模型,其需先转化到 ONNX 文件再进行间接的IR转化,最终得到的IR文件将由两个部分组成:

    ① .xml 描述网络的拓扑结构
    ② .bin 网络的权重与偏置的二进制数据

    先在开始前设置好 OpenVINO 的环境变量。

    在这里插入图片描述

    接着,我们需要切换到模型优化器的目录下,这个目录下保存了用于不同框架的模型优化器,例如 mo_caffe.py, mo_tf.py 等文件。

    在这里插入图片描述

    当然,如果安装时没有安装在默认目录的话,需要重新调整前半段的路径位置。

    cd C:\Program Files 
    
    (x86)\IntelSWTools\openvino\deployment_tools\model_optimizer
    

    模型优化后的文件会自动保存在【…\openvino\deployment_tools\model_optimizer\example.xml】目录下,我们需要记下这个位置之后在部署时使用。

    3.将优化后的模型部署到神经网络计算棒上

    笔者在比赛中的项目是射频信号图片的分类工作,需要用到 classification_sample.py ,在 model 参数中输入上一步生成的 xml 文件的路径,在 input 参数中输入需要进行分类的图片路径,我们也可以通过 device 参数选择运行的设备,如果需要使用神经计算棒进行加速的话,我们在这一栏选择 MYRIAD 即可。

    由于 OpenVINO 在顶层规划上就很好地采用了一套 API 用于不同设备的设计,我们在实际使用的时候输入 xml 的拓扑结构描述文件与需要进行加速的设备就能方便地使用了,这也是其一大亮点。

    "C:\Program Files (x86)\IntelSWTools\openvino_2020.3.194\deployment_tools\inference_engine\samples\python\classification_sample\classification_sample.py" --model 【xml_path】 --device HETERO:MYRIAD,CPU,GPU --input 【img_path】
    

    在这里插入图片描述

    从输出我们可以看到神经计算棒顺利的完成了这个四分类问题的推理,尽管经过了模型的转化和优化,但是推理的正确率仍然是很高的,神经计算棒的推理速度也非常快。当然,这只是一个 getting start 的一个简单示例,在实际生产环境中还是要使用专用的 benchmark_app 工具。

    END

    如果你还在为自己的模型而发愁,不妨使用 OpenVINO 。如果你对建模感兴趣,不妨学学 OpenVINO 。更多精彩内容请关注 OpenVINO 中文社区。从小白到大佬的进阶之路,我们一路陪伴。喜欢的话,记得关注哟~

    关注我们,让开发变得更有趣👇
    在这里插入图片描述

    微信号:openvinodev
    B站:OpenVINO 中文社区

    *OpenVINO and the OpenVINO logo are trademarks of Intel Corporation or its subsidiaries.

    展开全文
  • 其中一些需要Movidius神经计算棒的支持才能提高性能。 OpenVINO工具包主要是开发工具,可帮助优化硬件和模型以使其与Raspi配合使用 这项工作的主要目的是帮助各个层次的开发人员获得与Raspberry Pi一起用于Computer...
  • 神经计算应用动物园(ncappzoo) 欢迎来到神经计算应用动物园( ncappzoo )。 该存储库是让任何有兴趣的开发人员共享使用或原始和深度学习的项目(代码和神经网络内容)的地方。 Deployment Toolkit(DLDT)部分。...
  • 安装好树莓派3B和Movidius神经计算棒所需要的系统和ncsdk、ncappzoo、opencv后,现在要尝试运行一个ncappzoo中的stream_ty_gn范例。首先我们硬件连接好,树莓派3B连接两根NCS,USB摄像头插上。开启系统。确保opencv...
    安装好树莓派3B和Movidius神经计算棒所需要的系统和ncsdk、ncappzoo、opencv后,现在要尝试运行一个ncappzoo中的stream_ty_gn范例。
    


    首先我们硬件连接好,树莓派3B连接两根NCS,USB摄像头插上。开启系统。


    确保opencv3.3.0已经安装好。
    cd /lance/ncappzoo/apps/stream_ty_gn
    make all


    期间会有需要下载GoogleNet和TinyYolo的模型,并且转化成图文件,会比较慢。所以推荐在运行这个范例之前,先到/lance/ncappzoo/caffe/GoogLeNet和/lance/ncappzoo/caffe/TinyYolo下各自运行一遍这两个单图的范例,这样这两个范例下的模型文件和图文件都可以预先准备好。然后再进入到stream_ty_gn下运行就会快一些。


    运行起来后,我们可以看到一个camera的窗口,上面有显示目标物体识别的实时图像。我这边运行起来的帧率在2帧左右,有点慢。
    展开全文
  • Intel® Movidius神经计算棒(NCS)是个使用USB接口的深度学习设备,比U盘略大,功耗1W,浮点性能可达100GFLOPs。 100GFLOPs大概是什么概念呢,i7-8700K有59.26GLOPs,Titan V FP16 有24576GLOPs……(仅供娱乐...
  • 一、安装指令 1、ncs1.x安装 sudo apt-get update sudo apt-get upgrade sudo mkdir ncs1.x ...sudo git clone https://github.com/movidius/ncsdk.git ...sudo git clone https://github.com/movidius/ncappzoo....
  • 1、安装树莓派系统要使用Movidius,树莓派需要使用最新版的Raspbian-Stretch系统,到树莓派官网下载img映像后,使用适当的烧录工具(USB Image Tool)烧录到TF卡中,用于Movidius的树莓派系统的TF卡最小需要16G。...
  • 上面是我创建的群聊,欢迎新朋友的加入。 这里有个小提示,先把硬件接上电脑,否则会编译报错 然后最好不要用USB HUB线 make install,完成之后如下所示 make examples 完成之后是这样的 ......
  • 上面是我创建的群聊,欢迎新朋友的加入。 本来想写一篇长文,但是审核过不了,说我文章有不能发布东西。 配置PYTHON 修改python为3.5,也不一定是python3.5,主要是看自己的系统安装是个什么样子的 ...
  • 一个简单,相对便宜的演示/开发系统,可使用Raspberry Pi 3和Intel Movidius神经计算棒将AI添加到视频安全系统DVR中。 这不是我打算兜售的项目/产品,我也不是第一个考虑这样做的人,但是我终于得到了一些我认为我...
  • 上面是我创建的群聊,欢迎新朋友的加入。 安装OpenVINO:https://software.intel.com/en-us/openvino-toolkit/choose-download 开始安装 cd ~/Downloads tar xvf l_openvino_toolkit_<...V...
  • movidius 神经计算棒 ncsdk windows 平台 支持 配置 教程

    千次阅读 热门讨论 2018-11-20 16:50:19
    概述:movidius ncs的ncsdk目前官方还不支持windows,但是inter好像发布了openvino,这个里面是包含ncsdk的好像是支持windows的。现在不讲openvino,讲ncsdk的移植,有兴趣的可以去了解一下openvino。 openvino:...
  • 上面是我创建的群聊,欢迎新朋友的加入。 cd ncsdk/ make install 这里有个题外话,英特尔这个玩意搞得不太友好,很多软件都有版本限制,高了或或者低了都要不得 这倒也没啥事,但是有个受影响的是,官方提供的...
  • 上面是我的微信和QQ群,欢迎新...然后使用pip工具安装,速度更快一点 下载相关资源 git clone -b ncsdk2 https://github.com/movidius/ncsdk.git git clone https://github.com/movidius/ncappzoo.git 一切准备就绪
  • 但是这个博客是讲如何配置windows下神经棒一代的python接口,对于我们这种要用c++部署的人来说显然是不友好的。所幸,我跑通了神经棒1代的c++接口,接下来就分享一下这个过程。 步骤 下载...
  • Intel Movidius Neural Compute Stick 2 1.1 准备工作 到树莓派官网去下载最新版的Raspbian。由于后续工作需要用到图形界面,选 Raspbian Stretch with desktop。树莓派官网推荐用etcher安装,听官方的没错。下载...
  • https://blog.csdn.net/weixin_42259631/article/details/82414152 https://blog.csdn.net/bobpeter84/article/details/82685310 https://blog.csdn.net/weixin_42259631/article/details/82414152 ...
  • 上面是我创建的群聊,欢迎新朋友的加入。 进入demo的路径下 cd ncappzoo/

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 711
精华内容 284
关键字:

movidius神经计算棒