干货｜树莓派4B搭建OpenVINO环境

01环境介绍

1. 硬件&＃xff1a;

   树莓派4B 8G内存版

   神经计算棒(NCS2)

   USB3.0 的读卡器

   64GB SD卡

   HDMI线&＃xff08;因为要连接显示器&＃xff09;

   键盘&＃xff08;USB接口&＃xff0c;连接树莓派用&＃xff09;

    

2. 软件&＃xff1a;

   Ubuntu20.04

   OpenVINO 2021.3

   Raspberry Pi Imager&＃xff08;用于烧录系统&＃xff09;

   任意命令行工具&＃xff08;我用的是Windows Terminal&＃xff09;

02安装操作系统

1. 从官网下载Ubuntu系统镜像

[Install Ubuntu on a Raspberry Pi | Ubuntu]

➡️ https://ubuntu.com/download/raspberry-pi

 2. 等待镜像写入完成后&＃xff0c;将SD卡插入树莓派。

 3. 开机

 如果连接显示器后显示没有信号&＃xff0c;将树莓派重启即可。

如果看不到登录&＃xff0c;输入回车即可。

默认账号和密码都是 ubunu。

第一次登录后&＃xff0c;会让你修改密码

03系统配置

1. swap设置

Ubuntu 20.04 默认是没有设置swap的&＃xff0c;如果你没有比较非内存的应用可以跳过这一步&＃xff0c;如果有&＃xff0c;但是没有设置那么很容易出现死机的情况。

这里以8G为例:

sudo fallocate -l 8G /swapfilesudo chmod 600 /swapfilesudo mkswap /swapfilesudo swapon /swapfilesudo sh -c &＃39;echo "/swapfile\tnone\tswap\tsw\t0\t0" >> /etc/fstab&＃39;

> 注意第一行的不是数字1而是字母l

2. 设置WIFI

输入 ip a 可以看到如下内容

wlan0即使wifi模块

编辑Netplan文件

sudo vim /etc/netplan/50-cloud-init.yaml

> 在编辑的时候&＃xff0c;如果输入回车&＃xff0c;它会自动输入四个空格&＃xff0c;记得把他们删除掉。

sudo netplan apply

再次输入 ip a

可以看到已经有了IP地址。

3. 用ssh登录

默认是开通了ssh服务的&＃xff0c;现在我们便可以通过 windows 连接到树莓派了。

> 这样截图会方便很多&＃xff0c;哈哈哈

设置一下系统时间

timedatectl set-timezone Asia/Shanghai

4. 安装桌面

sudo apt update && sudo apt dist-upgrade -ysudo apt install -y ubuntu-mate-desktop

这有可能花费很多时间&＃xff0c;根据网络情况而定。

这两个根据自己的喜好选择就可以了。

等待安装完成。

5. 配置vnc

有的时候我们不想用HDMI连接显示器&＃xff0c;这时可以使用VNC Viewer来查看树莓派的内容。

sudo apt install tightvncserver

启动服务

vncserver

然后启动 windows 上的 vnc viewer 软件。

输入密码

可以看到桌面了。

6. 配置FTP

由于我们后面会经常进行文件的传送&＃xff0c;因此FTP还是很有必要的。

sudo apt-get install vsftpd

cd /etc/sudo vim vsftpd.conf

通过上面的命令&＃xff0c;进行配置&＃xff0c;具体修改内容有以下几个地方&＃xff1a;

重启服务

service vsftpd restart

打开  Windows 里面的一个文件夹&＃xff0c;并输入 ftp://192.168.2107。

然后输入密码即可。

04编译 OpenCV 4.5.2-openvino

1. 下载源代码

git clone --depth 1 -b 4.5.2-openvino https://github.com/opencv/opencv.git opencv-4.5.2-openvino

2. 开始编译

sudo apt install libtbb-dev libjpeg-dev libtiff-dev libwebp-devmkdir opencv-4.5.2-openvino/buildcd opencv-4.5.2-openvino/buildcmake\ -DCMAKE_INSTALL_PREFIX&＃61;/opt/intel/openvino/opencv \ -DCMAKE_BUILD_TYPE&＃61;Release \ -DWITH_INF_ENGINE&＃61;ON \ -DENABLE_CXX11&＃61;ON \ -DWITH_TBB&＃61;ON \ -DPYTHON_EXECUTABLE&＃61;/usr/bin/python3.8 \ -DPYTHON_LIBRARY&＃61;/usr/lib/aarch64-linux-gnu/libpython3.8.so \ -DPYTHON_INCLUDE_DIR&＃61;/usr/include/python3.8 .make -j 4sudo make install

这是一个比较漫长的过程&＃xff0c;大概一个小时左右。

05安装 OpenVINO 开发套件

1. 做一点点事情准备

sudo apt install git-lfs cython3

2. 从 GitHub 拉取资源

cd ~git clone -b 2021.3 https://github.com/openvinotoolkit/openvino.git openvino-2021.3cd openvino-2021.3git submodule update --init --recursive

3. 编译

cd openvino-2021.3./install_build_dependencies.sh
mkdir build & cd build
cmake \ -DCMAKE_INSTALL_PREFIX&＃61;/opt/intel/openvino \ -DCMAKE_BUILD_TYPE&＃61;Release \ -DENABLE_SSE42&＃61;OFF \ -DTHREADING&＃61;SEQ \ -DENABLE_GNA&＃61;OFF \ -DENABLE_PYTHON&＃61;ON \ -DPYTHON_EXECUTABLE&＃61;/usr/bin/python3.8 \ -DPYTHON_LIBRARY&＃61;/usr/lib/aarch64-linux-gnu/libpython3.8.so \ -DPYTHON_INCLUDE_DIR&＃61;/usr/include/python3.8 \ .. make -j 4sudo make install

同样需要一个小时左右

4. 配置环境变量

配置完成后&＃xff0c;新打开一个窗口如果看到下面的画面表示配置成功。

echo "source /opt/intel/openvino/bin/setupvars.sh" >> ~/.bashrc

5. 配置NCS驱动

将神经计算棒插入树莓派,并查看。

sudo usermod -a -G users "$(whoami)"sh /opt/intel/openvino/install_dependencies/install_NCS_udev_rules.sh

sudo usermod -a -G users "$(whoami)"sh /opt/intel/openvino/install_dependencies/install_NCS_udev_rules.sh

6. 配置一下其他环境变量

export ngraph_DIR&＃61;/opt/intel/openvino/deployment_tools/ngraph/cmakeexport OpenCV_DIR&＃61;/opt/intel/openvino/opencv export PYTHONPATH&＃61;$OpenCV_DIR/lib/python3.8/site-packages:$PYTHONPATH

7. 注意事项

由于安装时软件之间存在依赖关系&＃xff0c;请按照如下顺序进行安装&＃xff1a;

OpenCV → OpenVINO →OpenCV&＃xff08;Python库&＃xff09;

06验证是否安装成功

1. 安装 Open Model Zoo

pip3 install networkx defusedxml protobuf test-generator&＃61;&＃61;0.1.1pip3 install opencv-python

2. 下载与OpenVINO版本相符的 Open Model Zoo

cd ~git clone https://github.com/openvinotoolkit/open_model_zoo.git -b 2021.3 --depth 1

3. 下载 Alexnet

cd ./open_model_zoo/tools/downloader./downloader.py --name alexnet --precisions&＃61;FP16

4. 转换成Neural Compute Stick可识别的形态

./converter.py --name alexnet --precisions&＃61;FP16

5. 最终确认

下载一个图片或者自己通过FTP上传一张也可以。

cd ~wget https://www.pdclipart.org/albums/Food__D-M/lemon_3.png
python3 ~/openvino/inference-engine/ie_bridges/python/sample/classification_sample_async/classification_sample_async.py -m ~/open_model_zoo/tools/downloader/public/alexnet/FP16/alexnet.xml -i ~/lemon_3.png -d MYRIAD

classid为951时的准确率是0.76&＃xff0c;这里的 classid 相对于 Alexnet 学习时的图片id&＃xff0c;我们查看一下发现&＃xff0c;951的确为 lemon。

text: imagenet 1000 class idx to human readable labels (Fox, E., & Guestrin, C. (n.d.). Coursera Machine Learning Specialization.) · GitHub

➡️https://gist.github.com/yrevar/942d3a0ac09ec9e5eb3a

07说在最后的话

我们在编译过程中会多次访问 GitHub&＃xff0c;因此一个良好的外网环境很有必要。最开始尝试过各种加速方法&＃xff0c;最终还是用了梯子。顺便重装了一次系统&＃xff0c;细心的小伙伴发现&＃xff0c;后面的IP地址从107变成了114。另外整个编译时间大概花费4个小时左右。