前言

由于前面第一章已成功进行Openvino的环境部署，这一章就搭配NCS2进行GNA模型转换与部署，同时在结尾也把笔者在此过程踩过坑分享出来，提高时间效能。

提示：以下是本篇文章正文内容，下面案例可供参考

一、用Python+Pytorch开发模型

P1.安装Openvino套件

1、首先进入…/Python38/Scripts/目录区

2、接着，安装Openvino套件，使用命令：pip install openvino==2021.4

 <若网络缓慢，可引用清华数据源pip install -i https://pypi.tuna.tsinghua.edu.cn/simple openvino==2021.4 进行安装>

3、几分钟后即可安装完成

P2:撰写一个典型二元分类模型

1、有4只玩具，进行分类

2、程序代码：

3、执行时，进行训练，并输出：

4、同时，也汇出*.onnx档案：

5、目标：将*.onnx档案，转换为IR档案。 

P3:使用OpenVINO Toolkit来进行模型优化

 目标：将*.onnx档案，转换为IR档案。

 刚才已经准备好了一个rabbit_bc.onnx档案。

 接着进入/model_optimizer/工作区。

1、使用命令：cd "C:\Program Files (x86)\\Intel\openvino_2021\deployment_tools\model_optimizer"

2、已经进入/model_optimizer/工作区了，接着展开优化，使用命令：python mo_onnx.py --input_model “C:\\ox\\rabbit_bc.onnx” --output_dir “C:\\ox\\” --input_shape [1,2]

 3、于是，成功地进行优化，并汇出IR档案，如下：

4、于是，使用OpenVINO Toolkit进行优化，OK了。

二、部署IR模型，并进行推理

1.部署于PC上的Inter CPU

撰写一支App,代码如下：

这是在PC自己的Intel CPU上进行推理，输出结果如下：

成功了。

2.部署于Intel NCS2神经加速棒

程序代码结构没改变

只需要把：device_name="CPU"。

更改为：device_name=" MYRIAD" 即可。

1、程序代码：

 2、执行时，因为没有插上NCS神经加速棒，就输出错误讯息：

3、于是，就插上NCS2神经加速棒。

5、再执行这程序，就顺利运行了，做出正确推理，输出：

 大功告成了。

◆◆◆

踩坑提示：

踩坑一：没有安装 onnx、onnxruntime库导致的错误

解决办法：安装 onnx、onnxruntime库即可解决

pip install onnx

pip install onnxruntime

踩坑二：运行程序显示以下错误

解决办法：卸载Openvino,重新安装最新版本的Openvino

总结

PS：专研GAN、Unet图像分割技术，探讨AI最新前沿技术,关注wx公众号：Edge AI人工智能超市，加入图像分割交流群。更多OpenVino + NCS 2应用，后续~~~~~~~~~~~~