ubuntu openVINO安装&配置
安装ubuntu16.04版openVINO
注意的点：
1 配置tensorflow等模型优化器的时候，官网使用的是sudo pip命令安装依赖包，但是由于我们有虚拟环境，所以我需要在虚拟环境中安装
首先，激活虚拟环境
然后，由于我的虚拟环境存在tensorflow和numpy，所以不需要安装这两个，
制作去掉这两个安装包的requirements_tf_tzlmodify.txt，然后使用pip install -r 进行安装。
2 修改/opt/intel/的权限为tongzhlin
sudo chown -R tongzhilin:tongzhilin /opt/intel
sudo chown -R tongzhilin:tongzhilin ~/intel
3 执行Demo文件夹下的脚本的时候，报错找不到‘yaml’
由于我们使用的是virtualenv虚拟环境，所以正确的安装是：
激活虚拟环境后
pip install PyYAML
4 demo/下的两个脚本，不用sudo执行也可以成功，如果需要打开图片，则需要sudo执行。
5
demo_squeezenet_download_convert_run.sh:脚本会自动下载和安装依赖包，并且下载测试Caffe模型将其转成OpenVINO的xml/bin文件，测试图片是一张轿车照片。
依赖包安装在：～/inference_engine_samples_build
源码在：/opt/intel/openvino/deployment_tools/inference_engine/samples
Caffe模型下载到 ～/openvino_models
demo_security_barrier_camera.sh:物体识别，车牌识别.同上面的命令也会自动下载安装依赖包，自动下载openvino的模型
6 linux下识别VPU需要更新usb驱动规则
source /opt/intel/openvino/bin/setupvars.sh
cd /opt/intel/openvino/install_dependencies
./install_NCS_udev_rules.sh
模型转换指令
通过meta转换，这个命令总是转换失败，还没有解决
./mo_tf.py --input_meta_graph ~/facenet/models/20180402-114759/model-20180402-114759.meta --output_dir ~/openvino_models/ --freeze_placeholder_with_value “phase_train->False” --reverse_input_channels
通过pb文件转换
facenet提供了模型转换工具，把checkpoint模型转换成pb模型
python src/freeze_graph.py ./models_cslead/20190528-141841/ ./models_cslead/20190528-141841/20190528-141841.pb
pb转换：
./mo_tf.py --input_model ~/facenet/models_cslead/20190528-141841/20190528-141841.pb --output_dir ~/openvino_models/facenet/20190528-141841/ --freeze_placeholder_with_value “phase_train->False” --reverse_input_channels
参数：
–input_shape “[1,160,160,3]”
–data_type=FP16 #vpu支持的浮点格式
模型转换成功后，vpu不能使用转换后的模型
1 我们的facenet模型，是通过Inception Resnet v1网络训练，而Movidius Neural compute stick 2支持Inception Resnet v2网络不支持v1网络，1代计算棒支持v1和v2网络。同时，需要注意的是，虽然1代计算棒支持V1网络，但是，openVINO不支持v1网络，所以，要想使用v1网络训练的facenet，只能通过ncsdk。经过验证，ncsdk支持Inception Resnet v1，但是v2网络我没有验证。
问题详见帖子：https://software.intel.com/zh-cn/node/802451
这种说法被验证是错误的，正确见2
2 在openVINO环境下，很长一段时间我转换的facenet模型在第一代和第二代计算棒上的返回结果都是1和-1，不能使用，非常苦恼，我以为是1所描述的问题，但是并不是，openVINO完美支持Inception Resnet v1和Inception Resnet v2，而且计算棒1代和计算棒2代也完美支持Inception Resnet v1和Inception Resnet v2网络，最终的解决方法是：
（1）cpp文件的FP32改成FP16
（2）由于cpp没有float16精度，所以需要我们自定义这个精度，预白化后的图像，转换成float16精度，传给计算棒。
（3）同理，输出结果也要由float16精度转换成float32精度
（4）满足以上条件后，你会发现，结果依然是1，-1…，这就要修改最为关键的一步，打开转换后的模型，找到最后的“Normalize”项，across_spatial=“0” 改成 across_spatial=“1”，这就OK拉，兴奋。
验证
cd /home/tongzhilin/inference_engine_samples_build/intel64/Release
cpu
./classification_sample -i ~/facenet/data/lfw_data/lfw_160/Rose_Linkins/Rose_Linkins_0001.png ~/facenet/data/lfw_data/lfw_160/Rose_Marie/Rose_Marie_0001.png -m ~/openvino_models/facenet/20190528-141841/20190528-141841.xml
./classification_sample -i ~/facenet/data/lfw_data/lfw_160/Alberto_Fujimori/ -m ~/openvino_models/facenet/20190528-141841/20190528-141841.xml
vpu
./classification_sample -i ~/facenet/data/lfw_data/lfw_160/Rose_Linkins/Rose_Linkins_0001.png ~/facenet/data/lfw_data/lfw_160/Rose_Marie/Rose_Marie_0001.png -m ~/openvino_models/facenet_fp16/20190528-141841/20190528-141841.xml -d MYRIAD
./classification_sample -i ~/facenet/data/lfw_data/lfw_160/Rose_Linkins/ -m ~/openvino_models/facenet_fp16/20190528-141841/20190528-141841.xml -d MYRIAD
python 指令
python classification_sample.py -i ~/facenet/data/lfw_data/lfw_160/Rose_Linkins/Rose_Linkins_0001.png ~/facenet/data/lfw_data/lfw_160/Rose_Marie/Rose_Marie_0001.png -m ~/openvino_models/facenet_fp16/20190528-141841/20190528-141841.xml -d MYRIAD
python classification_sample.py -i ~/facenet/data/lfw_data/lfw_160/Rose_Linkins/Rose_Linkins_0001.png ~/facenet/data/lfw_data/lfw_160/Rose_Marie/Rose_Marie_0001.png -m ~/openvino_models/facenet/20190528-141841/20190528-141841.xml
编译
cd /home/tongzhilin/inference_engine_samples_build/classification_sample
cp ~/inference_engine/samples/classification_sample/main.cpp /opt/intel/openvino/inference_engine/samples/classification_sample/
