树莓派4B+因特尔二代神经棒（NCS2）部署yolov3-tiny错误记录

前言

耗费18天，才终于成功的把自己训练的yolov3-tiny.weights模型成功部署到树莓派上，并用神经棒进行推理，记录这十几天的艰难过程，为后来者新手减少一点阻力。

一、在树莓派上部署Openvino

如果可以的话。请尽量使用intel的官方教程（不需要科学上网），不过官方教程一般是最新版驱动的教程，其他版本的教程网上也有很多，根据需求选择即可。下面我贴出intel的官方教程地址，有需求的自取：
https://docs.openvino.ai/latest/openvino_docs_install_guides_installing_openvino_raspbian.html
https://docs.openvino.ai/latest/openvino_docs_install_guides_configurations_for_ncs2.html
安装包下载地址：
https://www.intel.com/content/www/us/en/developer/tools/openvino-toolkit/download.html
有其他树莓派Openvino版本需求的进这个地址（版本不全）：
https://download.01.org/opencv/

注意：

树莓派版本所使用的Openvino是没有model optimizer的，就是说，你要转换自己的模型，只能去window或者linux下安装openvino进行转换，请保证树莓派和windows（linux）所使用的openvino版本一致，切记，不然即使你模型转换成功了移植到树莓派上也不能使用。我所使用的版本为2021.4.752.我所收集的部分驱动会在文末分享出来。

二、模型转换

1.weights模型转换为pb模型

因为现在Openvino不能直接使用darknet训练出来的weights模型，需要先转换为tensorflow的pb模型，再转换成神经棒的IR模型（xml+bin）才能使用。weights转换pb，官方推荐tensorflow-yolo-v3（我已实测可行），或Openvino-Yolov3，其他教程或多或少也讲过，这里就不多讲了，我所使用的也会放在文末，github上也能下载到。

2.pb模型转换为IR模型

其他教程也讲过，这里也不多讲了，官方教程为：
https://docs.openvino.ai/latest/openvino_docs_MO_DG_prepare_model_convert_model_tf_specific_Convert_YOLO_From_Tensorflow.html

三、模型推理

网上多使用object_detection_sample_ssd或官方使用hello_classification示例，前者是ssd网络，后者是squeezenet网络，如果要使用YOLO，请使用object_detect