布景
刚过去的2017年，人工智能（ AI ）毫无疑问的成为了最火爆的前沿范畴。能够判定，2018年乃至往后的至少5年内，这种气势必将继续，而且节节攀高。什么是人工智能？百度百科做了很多很专业的解释，说得浅显易懂点，人工智能就是要让机器学会自主思考。
要做到这一步，其核心就是建立在大数据上的深度学习。大数据根本是依靠才智，才智越强的企业则越能供给机器学习的大而全、精而细的优质范本，而深度学习则依靠算法。打个浅显点的比方，你能够把人工智能看作是小孩养成记。决议小孩生长的高度，智商是一个因素，给小孩供给的生长环境（包含教育、资源等）则是另一个重要因素。对应过来，智商就如算法，生长环境等同于大数据，你能给机器供给多优异的算法，多丰厚优质的样本事例数据，就根本决议了机器在人工智能上到达的高度。
人工智能需求一个支撑Linux体系的便携式硬件渠道，如UP Board系列产品等，再加上一根Ropal若派神经计算棒便能够为那些想入门人工智能范畴的学生、从业者供给一种边际核算的深度学习可行性，当然，要是有摄像头等外设那无疑是如虎添翼。
硬件渠道建立：
1）1根神经核算棒（Neural Compute Stick，为便利，下文简称NCS）
2）1个搭载Ubuntu16.04体系版别的硬件渠道开发板。
开发板 + 若派神经核算棒
开发板搭载USB3.0，与NCS上的USB3.0接口调配运用十分适宜，能完成较高的传输速率（USB3.0 5Gbps VS USB2.0高速480Mbps），在模型推理数据很大的情况下，开发板凭仗高性能和低功耗特色的Intel® 飞跃™、赛扬™ CPU和4GB/8GB LPDDR4及32GB/64GB/128GB eMMC使其优势显而易见。
软件开发包：
· Neural Compute SDK（NCSDK）
· Neural Compute Application Zoo (NC App Zoo)
现在，网上能够找到配套NCS运用的软件开发包首要有上面两个，放在Github上，用户很简单获取到，NCSDK归于官方供给发布的，很威望，里边包含了软件东西、API以及例程等材料，经过对这几个东西以及API的理解能够有效的了解NCS的作业原理；NC App Zoo是一个让用户能够共享自己运用NCS做的一些运用、模型的当地，这儿首要讲下NCSDK中的几个重要的东西。
软件东西首要包含了mvNCCompile、mvNCProfile以及mvNCCheck：
· mvNCCompile是将Caffe/TF模型转换为NCS可辨认的graph文件
· mvNCProfile是供给每层的数据用于评估Caffe/TF网络模型在NCS上的运转功率，辅佐开发者优化网络模型结构
· mvNCCheck是经过在NCS和Caffe/TF上运转网络比较揣度的成果
API则是NCS核算神经棒的硬件调用接口，经过练习得到的网络模型能够运用mvNCCompile东西编译为能被NCS辨认的graph文件，经过调用API，NCS能够经过USB接口便利的与主机通讯，NCS利用练习好的网络模型核算出图画剖析的成果，并传输到主机上，完成推理作业。
值得一提的是，官方供给的API一起支撑C/C++以及Python言语，让用户灵敏挑选自己了解的编程言语。别的，也从官方供给的SDK中发现，现在SDK中首要支撑Caffe以及Tensorflow两种深度学习框架。
在运用开发板建立硬件渠道时还有个小插曲，原本想图省劲，直接运用主机中的Ubilinux体系，不过在装置的时分发现官方供给的SDK不支撑这个体系版别，无法仍是依照官方要求老老实实运用指定的Ubuntu 16.04版别。
在Ubuntu16.04体系中，翻开命令终端窗口，运用git获取NCSDK，假如初度装置运用Ubuntu 16.04体系，还需求你装置git东西。
另一个问题，开发东西，不管你是需求学习或者开发根据Caffe或者Tensorflow深度学习框架，都需求装置相应的开发东西，这些网上都有相应的教程，点到为止。
能够看到，NCS配套的SDK中现已集成了一些网络模型，例如GoogLeNet， AlexNet，SqueezeNet等，能够直接拿来运用，开发者也能够运用自己练习的网络模型，只需这些网络模型与NCS支撑的网络层匹配，当然，这要求自身有深度学习模型开发的根底了。
下面就以一个实例来了解下NCS怎么加快推理作业的，在咱们平时的运用中，也有不少开发者直接选用像树莓派等开源硬件渠道套上CNN模型做图画辨认等功能，可是会发现占用很多的CPU资源，CPU处于负荷状况且辨认进程比较慢，假如运用NCS又会怎么呢？笔者随意在百度上查找了几张动物的图片进行辨认测验。
由于网络模型比较多，这儿选取了Alexnet的模型做修正。
修正run.py文件中辨认图片途径。
第一张图片辨认成果：
第二张图片辨认成果：
第三张图片辨认成果：
第四张图片辨认成果：
能够发现，在辨认是什么物种的时分仍是十分精确的，至少知道了是猫、狗、马、虎，可是在详细是什么物种中的什么类型就难说了。究竟，即便是一个人，不了解这个物种，你也不知道它详细归于华南虎仍是东北虎。其中有一点需求留意的，除了第一张图片归于正面照，其它几张图片都是旁边面照，从辨认的成果判别也不难发现，旁边面照辨认的难度要远胜于正面照，当然也可能是样本有限的缘故。不过，这个模型至少应证了一件事，在有NCS加持的情况下，一般核算机在辨认图画的时分的确现已超过了人。其它例程在本文就不演示了。
小结
神经核算棒（NCS）的确是一个不错的深度学习开发东西，能够协助开发者剖析、调试、验证神经网络，并为深度学习做推理加快，其首要优势在于开发和优化AI的离线运用。开发板 + 神经网络计算棒的组合现已让笔者才智到了深度学习在图画辨认范畴中的优势，NCS神经核算棒结合Intel供给的NCSDK组合又能让开发者轻松入门人工智能，一句话，其实入门AI并没有幻想的那么难，您短缺的仅仅一个渠道。
