【深度学习基础】一分钟带你了解“神经计算棒”

📢：如果你也对机器人、人工智能感兴趣，看来我们志同道合✨
📢：不妨浏览一下我的博客主页【https://blog.csdn.net/weixin_51244852】
📢：文章若有幸对你有帮助，可点赞 👍 收藏 ⭐不迷路🙉
📢：内容若有错误，敬请留言 📝指正！原创文，转载请注明出处

---

背景

英特尔在2016年收购了Movidius公司，这家公司专注于视觉计算处理器的研发和生产。作为其成果之一，Movidius推出了名为Neural Compute Stick 2的计算棒，简称NCS 2。这款产品于2017年发布，并搭载了Myriad2 VPU视觉计算处理器。

NCS 2支持Caffe等深度学习框架，通过其内置的Myriad2 VPU，能够提供高达100G Flop的算力。尽管其强大的计算性能，NCS 2的功耗仅为1瓦，因此具有出色的能效表现。这使得NCS 2非常适用于需要在嵌入式设备和边缘设备上进行深度学习推理的场景。

通过将NCS 2插入到支持的设备中，开发者能够利用其强大的计算能力来加速深度学习模型的推理过程。这使得深度学习应用在资源有限的设备上得以实现，而无需依赖云端计算。

总的来说，英特尔收购Movidius公司并推出NCS 2计算棒，为开发者提供了一种高效、低功耗的深度学习推理解决方案。这一成果在物联网、边缘计算和人工智能等领域中具有重要意义，并引领了嵌入式系统中的视觉计算发展。

功能

神经计算棒（Neural Compute Stick）主要面向需要计算机视觉和深度学习加速的小型设备。这些小型设备包括嵌入式系统、单板计算机和边缘设备等。神经计算棒提供了一种高效的方式来加速深度学习模型的推理过程。

新一代的神经计算棒产品支持流行的开发框架，如TensorFlow和Caffe。这意味着开发者可以使用这些开发框架来构建和训练深度神经网络，并将其推理和推断过程加速到神经计算棒上。

通过将模型加载到神经计算棒中，图像分类和图像检测的性能得到了巨大的提升。神经计算棒利用其高度并行的架构和专门优化的硬件，可以在边缘设备上快速、高效地执行复杂的深度学习任务。

因此，神经计算棒为开发者提供了一个便捷的方式来进行深度学习模型的部署和加速，同时提高了计算机视觉任务的性能和效率。它在小型设备上的广泛应用为物联网和边缘计算等领域带来了更多的可能性和机会。

reference：
干货|手把手教你在NCS2上部署yolov3-tiny检测模型
vs2015 movidius 神经计算棒一代 ncsdk windows c++调用