Intel Neural Compute Stick2在win10+vs2015下安装

3 篇文章 0 订阅
1 篇文章 0 订阅
在京东预定了好几天,可惜到了几周,总是加班太忙,今天总算尝了鲜。


win10_x64,已安装VS2015 + Python3.6(Anaconda3) + CMake3.12.3


还可以安装OpenCV4.0.0,openvino里面的demo都用到了opencv。但这些demo都是用cmake编译的,cmake加载的opencv路径,我始终没有配置成功。所以,最好是使用openvino安装opencv环境,来进行demo编译。


下载w_openvino_toolkit_p_2018.4.420.exe,安装以下选项:

[img]http://dl2.iteye.com/upload/attachment/0131/2199/a9e2e82f-f4c9-32ae-8f13-0327636fbd91.jpg[/img]


[img]http://dl2.iteye.com/upload/attachment/0131/2199/a9e2e82f-f4c9-32ae-8f13-0327636fbd91.jpg" alt="[/img]

算法是可以CPU跑的,咱要测试VPU,最好选上OpenCV。


安装完毕之后。我还以为有IDE工具呢,想多了。接着要做几件事:

1,启动CMD,执行:

D:\Intel\computer_vision_sdk\deployment_tools\model_optimizer\install_prerequisites\install_prerequisites.bat


[img]http://dl2.iteye.com/upload/attachment/0131/2201/d89a9e3e-a624-3bca-8ccc-471e975ba618.jpg[/img]
如果明确只使用一种架构,比如caffe,那么可以只执行:install_prerequisites_caffe.bat

2,添加环境变量:
D:\Intel\computer_vision_sdk_2018.4.420\inference_engine\bin\intel64\Release


[img]http://dl2.iteye.com/upload/attachment/0131/2203/3ceb307d-6b26-3551-9bc4-aa178f91a608.jpg[/img]
否则运行demo时,会出现找不到inference_engine.dll的错误。

3,用管理员身份启动CMD,执行:
D:\Intel\computer_vision_sdk_2018.4.420\deployment_tools\demo\demo_squeezenet_download_convert_run -d MYRIAD

注意这里,一定要加“-d MYRIAD”,是指运行在什么设备上,否则之后编译出来的模型是FP32的,而VPU只支持FP16。

上面的批处理跑到最后,会执行失败,那么就去
D:\Intel\computer_vision_sdk_2018.4.420\deployment_tools\inference_engine\samples\intel64\Release

找到编译好的可执行文件:classification_sample.exe

执行指令:
classification_sample.exe -i "D:\Intel\computer_vision_sdk_2018.4.420\deployment_tools\demo\car.png" -m "C:\Users\ADong\Documents\Intel\OpenVINO\models\ir\squeezenet1.1.xml" -d MYRIAD


[img]http://dl2.iteye.com/upload/attachment/0131/2205/f200cad8-4c25-3e30-8b1b-d8d2470e5059.jpg[/img]

算力还是相当牛掰。

用VS2015打开:
D:\Intel\computer_vision_sdk_2018.4.420\inference_engine\samples\Samples.sln

[img]http://dl2.iteye.com/upload/attachment/0131/2253/e2c2fcba-d048-3c7b-8a08-67e59a985c69.jpg[/img]
### 回答1: OpenCV是一个开源的计算机视觉和机器学习库,可以方便地处理图像和视频。而CUDA(Compute Unified Device Architecture)是由NVIDIA开发的一种并行计算架构,可以加速图形处理器(GPU)上的计算任务。 OpenCV 4.5.1是OpenCV的一个版本,它提供了丰富的功能和算法,用于图像和视频处理、特征提取、目标检测等任务。这个版本可以在Windows 10操作系统上使用,并且可以与Visual Studio 2017集成,提供开发环境和调试工具。 CUDA 10.0是NVIDIA的一个版本,它支持NVIDIA GPU上的并行计算任务。它允许开发人员使用C语言、C++或CUDA自己的扩展语言编写并行计算代码,以加速计算密集型任务。例如,在图像处理中,可以使用CUDA加速OpenCV算法,从而提高计算性能。 而cuDNN(CUDA Deep Neural Network library)是NVIDIA专门为深度学习任务开发的一个库。它提供了一组高性能的深度神经网络的基本操作和优化算法,可以与CUDA和OpenCV结合使用。 综上所述,OpenCV 4.5.1可以与CUDA 10.0和cuDNN 7.6.0集成使用。开发者可以在Visual Studio 2017中使用这些工具和库进行图像处理和机器学习任务的开发和优化。通过使用CUDA加速,可以提高计算性能,而cuDNN可以提供深度学习任务所需的算法和操作。 ### 回答2: OpenCV 4.5.1是一个计算机视觉库,用于在计算机视觉和机器学习项目中进行图像和视频处理。VS2017是一个集成开发环境(IDE),用于Windows操作系统上的软件开发。CUDA(Compute Unified Device Architecture)是一个用于GPU计算的并行计算平台和API模型。CUDNN是NVIDIA深度神经网络库,用于在GPU上加速深度学习任务。 在Windows 10上使用VS2017来编译OpenCV 4.5.1,并在CUDA 10.0和CUDNN 7.6.0的支持下进行构建可以提供更好的计算性能和加速。CUDA 10.0提供了与CUDA架构和驱动程序的兼容性,并支持许多NVIDIA GPU。CUDNN 7.6.0是基于CUDA的深度神经网络库,可以加速深度学习任务的训练和推理。 使用VS2017编译OpenCV可以让开发者方便地在Windows平台上进行开发和调试。VS2017提供了强大的集成开发环境,它可以帮助开发者编写、调试和测试程序。通过配置CUDA 10.0和CUDNN 7.6.0来支持OpenCV的GPU加速,可以进一步提高图像和视频处理的速度和效率。 总结来说,使用OpenCV 4.5.1、VS2017、Windows 10、CUDA 10.0和CUDNN 7.6.0可以实现在Windows平台上的高效计算机视觉和机器学习开发。这种配置可以提供更好的性能和加速,特别是在需要处理大量图像和视频、进行深度学习任务的情况下。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值