intel NCS2计算棒在树莓派上推理自训练模型的总结

H5模型需要转换成pb文件
[kerash5模型转tensorflowpb文件传送门] github 搜索 keras-to-tensorflow
转换成功后可以利用如下图

运行参考命令：python C:\Intel\computer_vision_sdk_2018.5.456\deployment_tools\model_optimizer/mo_tf.py --input_model 1.pb --date_type FP16
不清楚可以运行此文件 -h选项查看所有输入的可能
生成的xml文件和bin文件就是我们下面部署在计算棒上需要的文件啦！
代码传送门：[调用模型文件进行推理的实例] github搜索NCS2_resnet50_infer_dem
这里上部分代码：

#下面是调用及初始化
index_void = 2  # Define index_void Back Ground
plugin = IEPlugin(device='MYRIAD')
net = IENetwork.from_ir(model='model.xml', weights='model.bin')
exec_net = plugin.load(network=net)
assert len(net.inputs.keys()) == 1
assert len(net.outputs) == 1
input_blob = next(iter(net.inputs))  # input_blob = 'input'
out_blob = next(iter(net.outputs))  # out_blob   = 'output/BiasAdd'

#图片初始化函数
def pre_process_image(img_path):
    # Model input format
    n, c, h, w = [1, 3, 224, 224]
    image = Image.open(img_path)
    processedImg = image.resize((h, w), resample=Image.BILINEAR)
    # Normalize to keep data between 0 - 1
    processedImg = (np.array(processedImg) - 0) / 255.0
    # Change data layout from HWC to CHW
    processedImg = processedImg.transpose((2, 0, 1))
    processingImg = processedImg.reshape((n, c, h, w))
    return image, processingImg, img_path
    
#推理部分
def infer1():
        image, processedImg, imagePath = pre_process_image(img_path)
        infer_result = exec_net.infer(inputs={input_blob: processedImg})
        print(infer_result)

另外，我们处理图片时候，经常会连续处理，计算棒可能直接运行会存在一些逻辑问题，问题也被解决，方法由别人提供，可私下交流。

以上内容均已经测试过，不希望有人再像本人采同样的坑了。
在这里要感谢一直帮助自己在此学习方面的几位不知名网友（都是亲爱的学长） 谢谢你们，让我体会到作为小白的尴尬，和想成长的渴望。
PS:仰望星空，脚踏实地！