训练次数不是很多,数据集也不是很大,所以结果还不是很准确。
三、训练软件也可以购买一些做好的商业软件。例如大大通的推荐的LEADERG AI ZOO (人工智能软件)进行训练,训练结果用于后期的深度推理和神经网络计算。
作为训练助手还是很好的,另外国内也有一些专业开发的训练软件可以使用,对于爱好者还是自己做做试试,尝试一下提高更快。
四、软件安装
开源的软件虽然版权没有付费,但是存在有些匹配问题。这点上问题多多。
Intel®神经计算棒2由Intel Movidius™X VPU提供支持,可提供业界领先的性能、功率和功耗。该神经计算棒支持OpenVINO™,这是一款可加快解决方案开发并简化部署的工具包。神经计算棒2代简单易用,可即插即用,并支持常用框架和开箱即用的示例应用程序。可以使用具有USB端口的任何平台进行原型设计和操作,而不必依赖云计算。Intel NCS 2可实现每秒4万亿次运算,与前几代产品相比,性能提升了8倍。
INTEL NCS2的安装
1、开发环境安装的搭配
2
、Intel神经计算棒插入电脑中,测试开发环境
3、将Intel神经计算棒插入WIN10的USB口,使用CMD命令终端,在终端中输入代码:
-
-
-
-
1.
C:
2.
cd C:"Program Files
- (x86)"IntelSWToolsopenvinodeployment_toolsdemo
3.
.demo_squeezenet_download_convert_run.bat
- –d MYRIAD
-
复制代码
NCS看作是一个USB供电的GPU,尽管这有些夸大——因为它并不是一个GPU,而且只能用于预测/推理,而不是
训练。
部署:
如果没有硬件支持如树莓派等来做边缘计算,如果是PC来做的话,应用神经计算棒的意义不太明显,毕竟性能与PC性能差别还是比较大。也可以在PC电脑前加装图像采集卡的高清输入设备输入高质量的图像,后面使用神经计算棒加速验证,执行推理,分类,对象检测等。
五、测试
硬件组成:笔记本电脑、神经计算棒NCS2、半成品板
软件:运行OpenVINO库的python文件
选了几幅识别比较好的。判断有误还是比较高的,还需要深入提高。
六、总结:
源于平时生产过程的检验,每家电子设备厂家都会有这样的需要,不论是贴片SMT生产线还是人工焊接,人工检查如果能够由计算机识别提醒,会很快的提高工作效率,需要改进的很多,这方面知识是很浅。要搞懂一大堆数学、人工智慧理论、程式撰写方式、系统框架和硬体架构,还得懂得如何建立资料集、训练及优化(加速)模型,难度还是很大的。
`
0