Movidius神经计算棒初体验

Intel® Movidius™ 神经计算棒（NCS）是个使用USB接口的深度学习设备，比U盘略大，功耗1W，浮点性能可达100GFLOPs。

100GFLOPs大概是什么概念呢，i7-8700K有59.26GLOPs，Titan V FP16 有24576GLOPs……（仅供娱乐参考，对比是不同精度的）。

安装NCSDK

目前NCSDK官方安装脚本只支持Ubuntu 16.04和Raspbian Stretch，折腾一下在其他Linux系统运行也是没问题的，例如我用ArchLinux，大概步骤如下：

1. 安装python 3、opencv、tensorflow 1.4.0还有其他依赖
2. 编译安装caffe，需要用到这个没合并的PR：Fix boost_python discovery for distros with different naming scheme
3. 改官方的脚本，跳过系统检查，跳过依赖安装（在第一步就手工装完了）

当我顺利折腾完之外，才发现AUR是有了现成的ncsdk。

安装完成后改LD_LIBRARY_PATH和PYTHONPATH：

export LD_LIBRARY_PATH=/opt/movidius/bvlc-caffe/build/install/lib64/:/usr/local/lib/
export PYTHONPATH="${PYTHONPATH}:/opt/movidius/caffe/python"

模型编译

使用NCS需要把caffe或tensorflow训练好的模型转换成NCS支持的格式。因为Keras有TF后端，所以用Keras的模型也是可以的。这里以Keras自带的VGG16为例：

from keras.applications import VGG16
from keras import backend as K
import tensorflow as tf

mn = VGG16()
saver = tf.train.Saver()
sess = K.get_session()
saver.save(sess, "./TF_Model/vgg16")

这里直接用tf.train.Saver保存了一个tf模型，然后用mvNCCompile命令进行编译，需要指定网络的输入和输出节点，-s 12表示使用12个SHAVE处理器：

$ mvNCCompile TF_Model/vgg16.meta -in=input_1 -on=predictions/Softmax -s 12

顺利的话就的到一个graph文件。

（这里用了我自己改的TensorFlowParser.py才能用）

模型调优

mvNCProfile命令可以查看模型中每一层使用的内存带宽、算力，模型调优可以以此为参考。

$ mvNCProfile TF_Model/vgg16.meta -in=input_1 -on=predictions/Softmax -s 12

Detailed Per Layer Profile
                                                       Bandwidth   time
#    Name                                        MFLOPs  (MB/s)    (ms)
=======================================================================
0    block1_conv1/Relu                            173.4   304.2   8.510
1    block1_conv2/Relu                           3699.4   662.6  83.297
2    block1_pool/MaxPool                            3.2   831.6   7.366
3    block2_conv1/Relu                           1849.7   419.9  33.158
4    block2_conv2/Relu                           3699.4   474.2  58.718
5    block2_pool/MaxPool                            1.6   923.4   3.317
6    block3_conv1/Relu                           1849.7   171.8  43.401
7    block3_conv2/Relu                           3699.4   180.6  82.579
8    block3_conv3/Relu                           3699.4   179.8  82.921
9    block3_pool/MaxPool                            0.8   919.2   1.666
10   block4_conv1/Relu                           1849.7   137.3  41.554
11   block4_conv2/Relu                           3699.4   169.0  67.442
12   block4_conv3/Relu                           3699.4   169.6  67.232
13   block4_pool/MaxPool                            0.4   929.7   0.825
14   block5_conv1/Relu                            924.8   308.9  20.176
15   block5_conv2/Relu                            924.8   318.0  19.594
16   block5_conv3/Relu                            924.8   314.9  19.788
17   block5_pool/MaxPool                            0.1   888.7   0.216
18   fc1/Relu                                     205.5  2155.9  90.937
19   fc2/Relu                                      33.6  2137.2  14.980
20   predictions/BiasAdd                            8.2  2645.0   2.957
21   predictions/Softmax                            0.0    19.0   0.201
-----------------------------------------------------------------------
                           Total inference time                  750.84
-----------------------------------------------------------------------
Generating Profile Report 'output_report.html'...

可以看到执行1此VGG16推断需要750ms，主要时间花在了几个卷积层，所以这个模型用在实时的视频分析是不合适的，这时可以试试其他的网络，例如SqueezeNet只要48ms：

Detailed Per Layer Profile
                                                       Bandwidth   time
#    Name                                        MFLOPs  (MB/s)    (ms)
=======================================================================
0    data                                           0.0 78350.0   0.004
1    conv1                                        347.7  1622.7   8.926
2    pool1                                          2.6  1440.0   1.567
3    fire2/squeeze1x1                               9.3  1214.8   0.458
4    fire2/expand1x1                                6.2   155.2   0.608
5    fire2/expand3x3                               55.8   476.3   1.783
6    fire3/squeeze1x1                              12.4  1457.4   0.509
7    fire3/expand1x1                                6.2   152.6   0.618
8    fire3/expand3x3                               55.8   478.3   1.776
9    fire4/squeeze1x1                              24.8  1022.0   0.730
10   fire4/expand1x1                               24.8   176.2   1.093
11   fire4/expand3x3                              223.0   389.7   4.450
12   pool4                                          1.7  1257.7   1.174
13   fire5/squeeze1x1                              11.9   780.3   0.476
14   fire5/expand1x1                                6.0   154.0   0.341
15   fire5/expand3x3                               53.7   359.8   1.314
16   fire6/squeeze1x1                              17.9   639.4   0.593
17   fire6/expand1x1                               13.4   159.5   0.531
18   fire6/expand3x3                              120.9   259.7   2.935
19   fire7/squeeze1x1                              26.9   826.1   0.689
20   fire7/expand1x1                               13.4   159.7   0.530
21   fire7/expand3x3                              120.9   255.2   2.987
22   fire8/squeeze1x1                              35.8   727.0   0.799
23   fire8/expand1x1                               23.9   164.0   0.736
24   fire8/expand3x3                              215.0   191.4   5.677
25   pool8                                          0.8  1263.8   0.563
26   fire9/squeeze1x1                              11.1   585.9   0.388
27   fire9/expand1x1                                5.5   154.1   0.340
28   fire9/expand3x3                               49.8   283.2   1.664
29   conv10                                       173.1   335.8   3.400
30   pool10                                         0.3   676.1   0.477
31   prob                                           0.0     9.5   0.200
-----------------------------------------------------------------------
                           Total inference time                   48.34
-----------------------------------------------------------------------

推断

有了图文件，我们就可以把它加载到NCS，然后进行推断：

from mvnc import mvncapi as mvnc

## 枚举设备
devices = mvnc.EnumerateDevices()

## 打开第一个NCS
device = mvnc.Device(devices[0])
device.OpenDevice()

## 读取图文件
with open("graph", mode='rb') as f:
    graphfile = f.read()

## 加载图
graph = device.AllocateGraph(graphfile)

图加载加载完成后，就可以graph.LoadTensor给它一个输入，graph.GetResult得到结果。

# 从摄像头获取图像
ret, frame = cap.read()

# 预处理
img = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
img = cv2.resize(img, (224, 224))
img = preprocess_input(img.astype('float32'))

# 输入
graph.LoadTensor(img.astype(numpy.float16), 'user object')

# 获取结果
output, userobj = graph.GetResult()

result = decode_predictions(output.reshape(1, 1000))

识别出鼠标：

Kindle和iPod还算相似吧：）

完整的代码在oraoto/learn_ml/ncs，有MNIST和VGG16的例子。