在树莓派4B上部署intel NCS2神经网络计算棒与yolov3全过程（附代码）(一)

· 该项目全部经实测具有可行性，且经过比赛检验
· 不同时间软件版本可能不同，请按文中使用版本为准

软硬件要求

1.树莓派4B与16G及以上的SD卡和读卡器
2.intel NCS 2 神经网络计算棒
3.Windows电脑
4.稳定的WIFI网络

主要步骤

1、模型转化
2、树莓派环境部署
3、模型部署

--------下面开始部署过程--------

一、模型转化

1、weights转化为pb

现在假设你已经有darknet训练好的.weights模型文件
（如何训练请自行搜索）

clone这位PINTO0309日本工程师的仓库

https://github.com/PINTO0309/OpenVINO-YoloV3 # GitHub
https://pan.baidu.com/s/1BjVne9zN4AUpDACv3OBHTw #提取码yolo

得到OpenVINO-YoloV3-master文件夹后，用windows电脑打开cmd，cd到该目录下

运行如下指令

python convert_weights_pb.py --weights_file <path> --size 416 --data_format NHWC

path为 .weights文件的绝对路径

注意：该转化依赖tensorflow、numpy、pillow库，请提前安装好

转化成功后你会得到一个 .pb文件

接下来进行下一步

2、pb转化为IR

进入intel官网

https://software.intel.com/en-us/openvino-toolkit/choose-download/free-download-windows

选择完后点击Download，需要你填写一些信息，照着填就好

下载完进行安装，C盘有足够空间的话默认安装就就好

安装完后找到安装路径

我的是：

C:\Program Files (x86)\Intel\openvino_2021.1.110

在目录下找到deployment_tools文件夹，将其拷贝到任意地方（最好是工程文件夹下）

在cmd中，cd到 deployment_tools\model_optimizer目录下，执行命令

python mo_tf.py --input_model  <path> --tensorflow_use_custom_operations_config model_optimizer\extensions\front\tf\yolo_v3.json --input_shape [1,416,416,3] --data_type=FP16

其中 yolo_v3.json 文件内容如下

[
  {
    "id": "TFYOLOV3",
    "match_kind": "general",
    "custom_attributes": {
      "classes": 80,
      "coords": 4,
      "num": 9,
      "mask": [0, 1, 2],
      "entry_points": ["detector/yolo-v3/Reshape", "detector/yolo-v3/Reshape_4", "detector/yolo-v3/Reshape_8"]
    }
  }
]

classes改为自己模型文件的分类类别数即可

转换需要如下依赖项

tensorflow
network
numpy
test-generator
defusedxml

如果未安装就使用pip下载最新版

pip  install <依赖项名>

转换成功后会在 deployment_tools\model_optimizer 目录下生成 .xml .bin .mapping 三个文件

模型转换完毕

下一篇文章将简介如何配置树莓派的环境,敬请期待