如何以低于 600 美元的成本构建深度学习分类系统

简介

深度学习的目的在于彻底改变机器视觉的局面。它正在启用新的应用并影响已建立的市场。作为 FLIR 的一名产品经理，我有幸参观了各行业领域内的多个公司，发现每个公司都在研究深度学习。万事开头难，要从哪里入手呢？本文将提供一套易于理解的框架，指导如何在 $600 的成本内建立一套深度学习推断体系。

什么是深度学习推断？

推断是指使用深度学习训练后的神经网络对新数据做出预测。相较于基于规则的图像分析，推断在回应复杂和主观问题上具备明显的优势。通过优化网络以在低功率硬件上运行，推断实现数据源边缘操作。这使得系统不再依赖中央服务器进行图像分析，从而降低延迟、提高可靠性和安全性。 

1. 选择硬件

本指南的目标是建立可靠的高质量系统，以便在现场进行部署。虽然传统计算机视觉技术与深度学习推断的结合不在本指南内容范围内，但借鉴每一种方法的优势有助于实现高精度和高计算效率。Aaeon UP Squared-Celeron-4GB-32GB 单板机拥有符合该方法要求的内存和 CPU 能力。它的 X64 Intel CUP 运行与传统桌面 PC 一样的软件，相较于基于 ARM 的单板计算机 (SBC)，可以简化开发。

启用深度学习推断的代码使用分支逻辑；而专用硬件则可以大幅提升代码执行速度。Intel® Movidius™ Myriad™ 2 视觉处理单元 (VPU) 是一种非常强大和高效的推断加速器，它已集成到我们的全新推断摄像头 Firefly DL 中。

2. 软件要求

许多免费工具可供您构建、训练和部署深度学习推断模型。该项目使用一系列免费的开源软件。每一个软件包的安装指导均在相应网站提供。本指南默认您熟知 Linux 控制台的基础知识。

图 1. 深度学习推断工作流程及每个步骤的相关工具。

3. 详细指南

Getting Started with Firefly Deep Learning on Linux  介绍如何保持神经网络，将结果文件转换成 firefly 兼容的格式，以及使用 SpinView 显示结果。 它会按步骤指导客户通过终端自行训练和转换推断网络。

相关文章

Neural Networks Supported by the Firefly Deep Learning 显示经我们测试可用于 Firefly-DL 的神经网络。 

Tips on creating Training Data for Deep Learning Neural Networks 介绍如何通过创建既定应用程序高质量培训数据来建立高效的深度学习神经网络。.

Troubleshooting neural network graph conversion issues 

提供关于推断网络文件转换至 Firefly 兼容格式问题及其解放办法的有益小贴士。