海思3559a从零开始做计算机视觉3

第三天

nnie移植失败了

暂时先放着吧，既然硬核跑不了，先试一下软核，使用ncnn框架来部署目标检测模型

---

1、交叉编译opencv


Target Root选择交叉编译工具链的bin目录就行

其余的默认

然后开始编译，肯定会出错

undefined reference to `pthread_mutexattr_destroy`

修改编译目录下的 CMakeCache.txt 文件，找到 CMAKE_EE_LINKER_FLAGS:STRING 项
将
//Flags used by the linker.
 CMAKE_EXE_LINKER_FLAGS:STRING=' '
 修改为
 //Flags used by the linker.
 CMAKE_EXE_LINKER_FLAGS:STRING= -pthread -lrt -ldl

然后编译就行了

2、交叉编译ncnn

编译ncnn之前需要交叉编译protobuf，所以先下载protobuf

到 https://github.com/google/protobuf/releases/tag/v2.5.0 ，进入下载页面点击protobuf-2.5.0.tar.gz

版本无所谓

sudo apt-get install curl libtool

#编译PC版本
cd protobuf-3.2.0
./autoconf.sh
./configure --prefix=/usr/local/PC/protobuf-3.2.0

#编译arm版本
cd protobuf-3.2.0
./autoconf.sh
./configure --build=i686-pc-linux --host=arm-linux \
    --with-protoc=/usr/local/PC/protobuf-3.2.0/bin/protoc \
    --prefix=/usr/local/TegraX1/protobuf-3.2.0

编译arm版本的时候需要指定pc上的protoc

在编译ncnn的时候，使用cmake指定protobuf的路径。

3、运行mobileNet-SSD

使用ncnn在cpu平台部署mobileNet-SSD和resnet18-SSD，很明显mobileNet的速度比resnet更快，这也验证了之前写的，depthwise的卷积更加适合cpu平台，因为卷积操作在cpu上都需要进行im2col这样的操作，但是1*1卷积在内存上不需要进行内存重拍，所以速度快。 在gpu上，resnet18-SSD比mobileNet-SSD更快，效果也会更好。

4、在3559a上运行
在3559a上运行速度简直太慢了。。。。
啊。。。。。
单核单线程只有2fps。。。。
看来NNIE是逃不了了。。。。。