工业派-配置Intel神经计算棒二代(NCS2)

最近两天在工业派ubuntu16.04上配置了Intel神经计算棒二代——Intel Neural Compute Stick，配置过程之艰辛我都不想说了，实在是太折磨人。不过历尽千辛万苦，总算让计算棒可以在工业派ubuntu16.04系统上跑了，还是蛮欣慰的。

 注：以下所说的计算棒默认说的是计算棒二代，不是计算棒一代

下面简单记录一下我在配置计算棒过程中遇到的一些坑

一、运行官方demo遇到的坑

1.一定要按照官网来安装配置加速棒！一定要按照官网来安装配置加速棒！一定要按照官网来安装配置加速棒！不要在网上瞎几把找帖子，我是深有体会，很多都写的不明不白，只有官网的配置教程才是最简单的，不会让你掉进更多坑！（教程前面的一些概述一定要认真看，上面写明了一些软硬件配置要求）

附上一些重要链接：

官网配置教程：https://docs.openvinotoolkit.org/latest/_docs_install_guides_installing_openvino_raspbian.html

最新OpenVINO™Toolkit软件包下载：https://download.01.org/opencv/2019/openvinotoolkit/     

下载下来的安装包形式：l_openvino_toolkit_raspbi_p_<version>.tgz

注：博主工业派系统是ubuntu16.04，虽然不是树莓派官方系统，但是树莓派也是32位的linux系统，所以在工业派上配置计算棒和在树莓派上配置计算棒是一样的操作（最主要原因还是工业派官方支持计算棒）

注：工业派的bash.bashrc路径为：/etc /bash.bashrc ，bash.bashrc文件主要用于设置登录时控制台输出的信息

2.前车之鉴，如图一所示，建议软件安装包使用最新版2019_R1.1，不推荐安装2018_R5。博主最先尝试使用了2018_R5，在后面配置计算棒的时候发现，会报错如图二所示，一直无法解决，换成2019_R1.1版本后就没有这个问题了！

                             图一

                                                         图二

 3.cmake版本号一定要正确，如三图所示，官网教程明确说明 cmake 版本号一定要大于等于3.7.2

                                                        图三

如果cmake版本号低于3.7.2，则在后面执行命令：cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_CXX_FLAGS="-march=armv7-a" /opt/intel/openvino/deployment_tools/inference_engine/samples  时会报图四所示错误！

                                                         图四

这里官网也有点坑，如图五所示，如果按照官网命令 sudo apt install cmake  来安装cmake，会发现安装的cmake版本号会低于3.7.2，博主一开始就忽略了这里，后面绕了一圈才发现是自己前面这里的cmake没有配置好，简直了！ 

                                                          图五

博主后面是手动安装的cmake3.13.0，安装教程链接放在这里：新手上路——树莓派3B+安装cmake_树莓派3b安装cmake无法连接官网-CSDN博客

安装完cmake后，执行 cmake --version 时，如果报错显示：-bash: /usr/bin/cmake: No such file or directory  ，则应该是系统没有找到 cmake 命令。解决办法：做一个链接即可，即执行命令：ln -s /usr/local/bin/cmake /usr/bin

4. 在终端显示 OpenVINO environment initialized 后，说明 OpenVINO环境已经初始化成功，接着输入python3进入编辑器，再输入import cv2 可能会出现如图六所示报错：

                                                       图六

解决办法：

执行命令：sudo vi ~/.bashrc 

在文档尾部加上：export LD_LIBRARY_PATH=LD_LIBRARY_PATH:/opt/intel/openvino/inference_engine/lib/armv7l/

最后执行命令：source  ~/.bashrc

成功！

注：核心思想就是将libinference_engine.so文件所属目录添加到 linux 的环境变量中，这样用户就可以访问到这个目录下的libinference_engine.so文件，也就不会引起报错了

5. import openvino可能也会出现如下报错：

原因：没有把需要的openvino模块目录添加到系统的pythonpath中，导致找不到openvino模块

解决办法：

执行命令：sudo vi ~/.bashrc 

在文档尾部加上：export PYTHONPATH=/opt/intel/openvino/python/python3.5/armv7l:$PYTHONPATH

退出编辑，执行命令：source  ~/.bashrc

成功！

6. python3 进入python命令行后，输入 import cv2 ，再输入 cv2.__version__，发现结果是： ‘4.1.0-openvino’，这表明openvino配置成功！但是如果 sudo python3 进入python命令行后，输入 import cv2 ，再输入 cv2.__version__，可能会发现结果是：  ‘4.1.0’，而不是配置openvino后应该正确显示的 ‘4.1.0-openvino’。出现这种差别的原因是 sudo 命令会使系统自动重置PATH环境变量，这样就区别于普通用户执行命令的环境变量。解决这个问题的方法：

执行命令：sudo nano /etc/sudoers

 注释  Defaults env_reset  这行代码

在文件的最后添加如下两行代码：

Defaults env_keep += "PYTHONPATH"

Defaults env_keep += "Any other env variable you want to keep"

保存退出，大功告成!

参考：https://blog.csdn.net/weixin_34390105/article/details/87297075

7.在使用OpenCV * API运行人脸检测模型推理时，执行 python3 openvino_fd_myriad.py 可能会报如下错误：

dnn.cpp:2538: error: (-2:Unspecified error) Build OpenCV with Inference Engine to enable loading models from Model Optimizer. in function 'readFromModelOptimizer'

解决办法：

先执行命令：source /opt/intel/openvino/bin/setupvars.sh

再执行命令：echo "source /opt/intel/openvino/bin/setupvars.sh" >> ~/.bashrc

注：执行第一条命令只是临时设置环境变量的，第二条命令才是永久的永久设置环境变量！

8.其它操作按照官网操作步骤一步一步来即可！

----------------------------运行官方demo效果--------------------------------

二、运行自己网络模型遇到的坑

1.在电脑ubuntu16.04上安装openVINO

如果要将自己的网络模型用于计算棒推理，则必须将该模型转换为由推理引擎用作输入的.bin和.xml中间表示(IR)文件。因为工业派(树莓派)上ubuntu16.04上安装的openVINO是阉割版的，功能不全，不支持模型转换，所以为了实现模型转换，还必须在win10或者ubuntu上安装一遍完整版openVINO。因为我在win10上打死装不上vs2019，神坑，所以我放弃在win10装openVINO，转而在电脑ubuntu16.04上装openVINO。安装的时候才发现在电脑ubuntu16.04安装openVINO真的是贼简单！附上官方安装网址：https://docs.openvinotoolkit.org/latest/_docs_install_guides_installing_openvino_linux.html

2.将tensorflow转换为movidius格式(.xml & .bin)------注：是冻结tensorflow模型（SSD Mobilenet V2）

2.1 执行命令： cd /opt/intel/openvino/deployment_tools/model_optimizer

2.2 执行命令：sudo python3 mo.py --input_model frozen_inference_graph.pb --tensorflow_use_custom_operations_config extensions/front/tf/ssd_v2_support.json --tensorflow_object_detection_api_pipeline_config pipeline.config --input_shape=[1,416,416,3]  --data_type=FP16

成功！

注：所需frozen_inference_graph.pb、pipeline.config文件需要自己提前准备好

参考网址：

https://docs.openvinotoolkit.org/latest/_docs_MO_DG_prepare_model_convert_model_Convert_Model_From_TensorFlow.html

https://software.intel.com/en-us/forums/computer-vision/topic/785586

因特尔神经计算棒(NCS)+树莓派+yolo-v3实现object-detection_树莓派 神经计算棒-CSDN博客

3.在工业派上使用转换后的xml和bin文件

执行： python3 **.py

报错：

表示花了两三天时间都没解决，心态都搞崩了，只想说fuck！目前针对这种情况，博主还是没找到解决办法，但是我有一些解决思路，写在这里，可以供需要的朋友参考！

经过多次试验发现这个报错和opencv的cv2.videoCpture方法有关，当videoCpture的参数是0或1时，python3 **.py执行正常，表明opencv是可以打开摄像头的。但是当videoCpture的参数是本地视频文件的路径时，执行python3 **.py，就会出现如上报错，我猜测可能是opencv没安装正确。经过百度、谷歌查询，得知可能是没有安装 ffmpeg ，但是博主去各种安装、重新编译opencv还是没解决这个问题，所以到最后只能放弃了。

参考网址：（参考了还是没解决问题，想哭~）

linux下opencv打不开视频的解决方法_linux arm 编译opencv 无法打开视频-CSDN博客

OpenCV VideoCapture error: VIDIOC_REQBUFS: Inappropriate ioctl for device - Stack Overflow

-----------曲线救国办法-----------------------

妈哟，实在解决不了怎么办呢？只能换个办法呗，反正只要能成功就行！

执行： sudo python3 **.py

又报错！其实在情理之中，毕竟只是提高了一下权限，但是这个报错一看的话感觉也有点烧脑，如下：

仔细一看，是因为加了sudo后，路径 /opt/intel/openvino/python/python3.5/armv7l/openvino/inference_engine下的libmyriadPlugin.so没有找到。自行cd到该文件目录下，发现是真没有libmyriadPlugin.so这个文件，所以系统无法加载这个文件。解决办法就是想办法在其它目录中找到libmyriadPlugin.so文件，然后复制到 /opt/intel/openvino/python/python3.5/armv7l/openvino/inference_engine下即可。经过查找发现 /opt/intel/openvino/deployment_tools/inference_engine/lib/armv7l 目录下有libmyriadPlugin.so文件，于是将该文件复制到 /opt/intel/openvino/python/python3.5/armv7l/openvino/inference_engine下，再运行sudo python3 **.py，发现还是有相同的报错。百度后发现是因为 .so文件是有依赖的，于是博主索性将 /opt/intel/openvino/deployment_tools/inference_engine/lib/armv7l 下的所有文件都复制拷贝到 /opt/intel/openvino/python/python3.5/armv7l/openvino/inference_engine下，再运行sudo python3 **.py，发现这回成功了！

三、总结

最后两个报错，我几近崩溃，熬了好久都没熬出答案，经过不断摸索总算是解决了其中一个问题，尽管另一个问题没解决，但是已经不影响操作了！不过还是希望解决了VIDIOC_REQBUFS: Inappropriate ioctl for device这个问题的朋友可以告知一下，万分感谢！我也总算是在工业派上利用计算棒跑通了tensorflow程序，这一路踩得地雷、掉的坑实在太多，博主早已面目全非，激情不再，好在捱到了最后，顺利解决了问题，终于可以松一口气了！总结一下就是遇到问题千万不要轻言放弃，一定要动用所有资源去寻找答案，努力努力再努力，总会柳暗花明的！当然，很多时候也许也需要换一种思维去寻找解决问题的办法，不要在一棵树上吊死。不管什么猫，能捉到耗子的猫就是好猫！

仅供参考！！！