從零開始搭建樹莓派+intel movidius 神經元計算棒2代深度學習環境
摘要
本文從零開始搭建，從燒寫樹莓派的系統開始，到最后用計算棒跑人臉檢測。本教程適用二代的計算棒，不適合一代的計算棒。
參考： https://software.intel.com/en-us/articles/OpenVINO-Install-RaspberryPI
材料硬件：
1、 樹莓派3B+
2、 intel movidius 神經元計算棒2代
3、 顯示器、鼠標鍵盤、讀卡器、用於做樹莓派系統盤的16GTF卡
4、 燒寫樹莓派系統用的PC（win10）
步驟：
1、 下載樹莓派鏡像並解壓
樹莓派系統鏡像使用Stretch版本——2018-11-13-raspbian-stretch，其他低於這個版本的沒有嘗試過可不可行
下載鏈接： http://downloads.raspberrypi.org/raspbian_latest
參考： http://shumeipai.nxez.com/download#os
下載並解壓出img文件
2、 燒寫鏡像
插入16G TF卡，格式化，打開鏡像燒寫軟件Win32DiskImager.exe加載鏡像，進行下載： 
點write，再yes 
燒寫成功。不要管格式化警告，直接取消，拔出TF卡
燒寫參考： http://bbs.eeworld.com.cn/thread-503614-1-1.html?_t=t
3、 啟動樹莓派
把TF卡插上樹莓派，其他的顯示器、鼠標鍵盤也插好，然后樹莓派上電 
紅綠指示燈都會閃就表示系統啟動成功，然后等待顯示器顯示桌面 
4、 配置樹莓派
安裝界面的引導配置好樹莓派： 
接下來打開首選項配置硬件 
重啟，配置完成
然后進行換源，這樣下載速度會快一點穩定一點：
使用管理員權限，執行
leafpad /etc/apt/sources.list
在打開的文件中，用#注釋掉原文件內容，用以下內容取代：
deb http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ stretch main contrib non-free rpi
deb-src http://mirrors.tuna.tsinghua.edu.cn/raspbian/raspbian/ stretch main contrib non-free rpi
保存，退出。
使用管理員權限執行：
leafpad /etc/apt/sources.list.d/raspi.list
用#注釋掉原文件內容，用以下內容取代：
deb http://mirror.tuna.tsinghua.edu.cn/raspberrypi/ stretch main ui
deb-src http://mirror.tuna.tsinghua.edu.cn/raspberrypi/ stretch main ui
保存，退出。
使用sudo apt-get update命令，更新軟件源列表，同時檢查您的編輯是否正確。
完成，換成了清華大學的軟件源。 
5、 安裝cmake
再后面的安裝中需要cmake，要先安裝，執行：
apt install cmake
到這里樹莓派的配置就完成了，接下來要開始計算棒toolkit的安裝了
6、 下載OpenVINO toolkit for Raspbian安裝包：
https://download.01.org/openvinotoolkit/2018_R5/packages/l_openvino_toolkit_ie_p_2018.5.445.tgz
本次使用的版本是2018.5.445，安裝請在下面鏈接中查看最新的安裝包版本：
https://software.intel.com/en-us/articles/OpenVINO-Install-RaspberryPI 
下載完后包位於Downloads/目錄下，打開命令行
cd ~/Downloads/
解壓包：
tar -xf l_openvino_toolkit_ie_p_2018.5.445.tgz
7、 配置路徑與環境
執行以下命令，會自動對setupvars.sh文件做修改
sed -i "s|<INSTALLDIR>|$(pwd)/inference_engine_vpu_arm|" inference_engine_vpu_arm/bin/setupvars.sh
再配置環境，有兩種做法
一種是臨時的，只對該次的窗口有效
source inference_engine_vpu_arm/bin/setupvars.sh
還有永久性的，執行：
leafpad /home/pi/.bashrc
打開.bashrc文件，再最后一行添加一句：
source /home/pi/Downloads/inference_engine_vpu_arm/bin/setupvars.sh
保存，再打開一個新的終端，如果出現：
[setupvars.sh] OpenVINO environment initialized
就表示成功了 
8、 添加USB規則
將當前Linux用戶添加到users組：
sudo usermod -a -G users "$(whoami)"
注：這里要說的是我們現在是root用戶，如果打開新窗口的話起始用戶是pi，所以出現[ setupvars.sh] OpenVINO environment initialized，是對於pi用戶來說的，如果在新窗口中用root執行程序，其實並沒有成功加載[ setupvars.sh] OpenVINO environment initialized，需要自己再執行一遍
source /home/pi/Downloads/inference_engine_vpu_arm/bin/setupvars.sh，才能給root用戶配置好OpenVINO environment initialized。這一點要特別注意，很細節的東西，我在這里折騰了好久。
接下來配置USB規則，執行：
sh inference_engine_vpu_arm/install_dependencies/install_NCS_udev_rules.sh
到這里就成功安裝好計算棒所需的所有東西了
9、 demo測試驗證安裝是否成功
構建和運行對象檢測示例，這個例子是執行人臉檢測的。
轉到包含示例源代碼的文件夾：
cd inference_engine_vpu_arm/deployment_tools/inference_engine/samples
mkdir build && cd build
cmake .. -DCMAKE_BUILD_TYPE=Release -DCMAKE_CXX_FLAGS="-march=armv7-a"
make -j2 object_detection_sample_ssd
編譯完成后下載網絡和權重文件：
wget --no-check-certificate https://download.01.org/openvinotoolkit/2018_R4/open_model_zoo/face-detection-adas-0001/FP16/face-detection-adas-0001.bin
wget --no-check-certificate https://download.01.org/openvinotoolkit/2018_R4/open_model_zoo/face-detection-adas-0001/FP16/face-detection-adas-0001.xml
然后自己在網上找一張人臉的圖片，執行
./armv7l/Release/object_detection_sample_ssd -m face-detection-adas-0001.xml -d MYRIAD -i <path_to_image>
#<path_to_image>是人臉圖片的絕對路徑
如果運行成功，會在build文件夾下輸出一副out_0.bmp圖片： 
到這里表示計算棒運行成功！
10、 Opencv + python api調用方法：
有時候我們是在python下做開發，這里也有提供了Opencv + python的運行例子
新建一個文件夾，先建立一個face_detection.py文件，寫入：
import cv2 as cv
# Load the model
net = cv.dnn.readNet('face-detection-adas-0001.xml', 'face-detection-adas-0001.bin')
# Specify target device
net.setPreferableTarget(cv.dnn.DNN_TARGET_MYRIAD)
# Read an image
frame = cv.imread('/path/to/image')
# Prepare input blob and perform an inference
blob = cv.dnn.blobFromImage(frame, size=(672, 384), ddepth=cv.CV_8U) net.setInput(blob)
out = net.forward()
# Draw detected faces on the frame
for detection in out.reshape(-1, 7):
confidence = float(detection[2])
xmin = int(detection[3] * frame.shape[1])
ymin = int(detection[4] * frame.shape[0])
xmax = int(detection[5] * frame.shape[1])
ymax = int(detection[6] * frame.shape[0])
if confidence > 0.5:
cv.rectangle(frame, (xmin, ymin), (xmax, ymax), color=(0, 255, 0))
# Save the frame to an image file
cv.imwrite('out.png', frame)
在文件夾中放入剛剛我們下載的那兩個文件：face-detection-adas-0001.bin和face-detection-adas-0001.xml
還有用於檢測用的臉的圖片face.jpeg
此時是在root權限下，我們執行：
source /home/pi/Downloads/inference_engine_vpu_arm/bin/setupvars.sh
然后執行：
python3 face_detection.py
程序成功運行沒報錯，則表示運行成功，然后我們會在文件夾下看見輸出結果，檢測成功 