在PC上使用NCS2和树莓派上使用NCS2加速yolo效果一样吗？

Question

PC(AMD R5 3500U无独显)
想知道在这两个地方使用加速棒的效果是否一样，因为暂时没有树莓派，所以想在电脑上测试，但是不知道区别大不大。

Answer 1

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 你可以看下这个问题的回答https://ask.csdn.net/questions/7555928
• 你也可以参考下这篇文章：NC环境一直搭不起来网报报错
• 除此之外, 这篇博客: 在树莓派+Intel NCS2上跑YoloV3 Tiny中的 1.3 转换 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  在Windows下执行

  python tensorflow-yolo-v3/convert_weights_pb.py --weights_file yolov3-tiny.weights --class_names tiny_yolov3.labels  --tiny True --size 416 --data_format NHWC --output_graph tiny_yolov3.pb 
  

  上面这条命令在tensorflow版本为1.9.0时输出的.pb文件openvino能正确转换，tensorflow == 1.13输出的pb文件稍微有点改变，Model Optimizer解析不了。

  相关讨论：

  https://software.intel.com/en-us/forums/computer-vision/topic/805882

  编写一个新文件tiny_yolo_v3.json，内容为

  [
    {
      "id": "TFYOLOV3",
      "match_kind": "general",
      "custom_attributes": {
        "classes": 80,
        "coords": 4,
        "num": 9,
        "mask": [0, 1, 2],
        "entry_points": ["detector/yolo-v3-tiny/Reshape", "detector/yolo-v3-tiny/Reshape_4"]
      }
    }
  ]
  

  为什么这里mask只取0,1,2后面再研究。

  在windows下执行

  python C:\Intel\computer_vision_sdk\deployment_tools\model_optimizer\mo_tf.py --input_shape [1,416,416,3] -m tiny_yolov3.pb --reverse_input_channels --tensorflow_use_custom_operations_config tiny-yolov3.json -n tiny_yolov3 --data_type FP16 
  

  生成 tiny_yolov3.bin 和 tiny_yolov3.xml ，将其和 tiny_yolov3.labels 一起上传到树莓派。

  测试视频：歌曲《Yolo》

  测试
  obj_detection_demo_yolov3_tiny_async -i YOLOTheSong_x264.mp4 -m tiny_yolov3.xml -d MYRIAD
  效果不太好，5fps左右，识别准确度也不行。以后再优化。
  实际应用的时候考虑不用视频，而是直接拍照处理。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^