anaconda删源：
conda config --remove-key channelsNCS2
第一步：下载OpenVINO
在树莓派上也可以使用该计算棒，先安装OpenVINO工具，再在树莓派上安装Inference Engine
下载链接：https://software.intel.com/en-us/openvino-toolkit/choose-download/free-download-linux
点击register & download，如果没有注册intel账户，则自动跳转到注册页面。
因为菜鸟一枚，所以我选择了比较完善的安装包。
安装包下载到了/download路径中，进入该路径，解压。
cd /home/wmy/download
tar -xvzf l_openvino_toolkit_p_2019.1.094.tgz
cd l_openvino_toolkit_p_2019.1.094
采用gui的安装方式。
sudo ./install_GUI.sh
一路next即可。
第二步：安装依赖项
cd /opt/intel/openvino/install_dependencies
sudo -E ./install_openvino_dependencies.sh
我在运行sudo -E ./install_openvino_dependencies.sh时报错了，说是找不到该命令。于是进入该路径下看，发现是有该文件的，于是强制运行了该sh文件。
第三步：设置环境变量
vi /home/wmy/.bashrc
将source /opt/intel/openvino/bin/setupvars.sh加入最后一行
保存退出。
第四步：配置model optimizer
因为我暂时只用到了tensorflow，因此就没全部设置。
先进入模型优化器路径
cd /opt/intel/openvino/deployment_tools/model_optimizer/install_prerequisites
然后更新tensorflow
sudo ./install_prerequisites_tf.sh
第五步：运行验证脚本验证安装
先进入推理引擎演示目录
cd /opt/intel/openvino/deployment_tools/demo
运行图像分类验证脚本（该命令将下载一个squeezenet模型，使用模型优化器，将模型转化为bin和xml（IR)文件。
./demo_squeezenet_download_convert_run.sh
运行该命令，会报错说少几个库，安装即可。
报错缺少request，运行命令conda install requests，安装。
报错缺少yaml，运行命令conda install pyyaml安装。
报错缺少networkx，运行命令conda install networkx安装。
运行该模型
./demo_security_barrier_camera.sh
树莓派上配置计算棒
注意！不要在树莓派上安装NCSDK，最好按照教程https://blog.csdn.net/qqqzmy/article/details/85213414配置树莓派
OpenVINO深度学习需要使用的是IR文件(xml和bin),xml文件中包含优化以后的网络拓扑结构，bin文件优化之后的模型参数和模型变量。
在openvino中使用tensorflow，需要转换一些层。
转换脚本为mo_tf.py，存放于/opt/intel/computer_vision_sdk/deployment_tools/model_optimizer。
例子1github地址https://github.com/CXianRen/Openvino_NCS
按照教程，下载整个工程。
先运行python mnist_train.py,生成以下文件：
再运行python create.py,将以上文件拷贝到ncs文件夹内
运行python mo_tf.py --input_meta_graph ./ncs/cnn-mnist_inference.meta --batch 1
生成xml和bin文件
最后进入ncs文件夹，运行python run.py得到运行结果。
例子2:
参考链接：https://blog.csdn.net/bleedingfight/article/details/86259268
下载ssd模型，保存到/home/wmy/download/ncs2test并解压。
终端进入该路径，输入命令
python mo_tf.py --input_model ./frozen_inference_graph.pb --output=detection_boxes,detection_scores,num_detections --tensorflow_use_custom_operations_config /home/wmy/intel/openvino_2019.1.094/deployment_tools/model_optimizer/extensions/front/tf/ssd_v2_support.json --tensorflow_object_detection_api_pipeline_config /home/wmy/download/ncs2test/ssd_inception_v2_coco_2018_01_28/pipeline.config
将生成xml和bin文件
输入命令
ssd_bin=/home/wmy/inference_engine_samples_build/intel64/Release/object_detection_sample_ssd network=/home/wmy/download/ncs2test/ssd_inception_v2_coco_2018_01_28/frozen_inference_graph.xml ${ssd_bin} -i example.bmp -m ${network} -d CPU
将得到检测结果，在路径中生成一个out_0.bmp。
但是该例子好像没有用到计算棒，只用到了openvino。