目前openvino在树莓派上的部署形式是和NCS组合在一起使用，树莓派无法单独使用，今年5月Github上开源了openvino在ARM上独立运行的源码编译方法，以实现openvino在树莓派的独立部署。 参考openvino_ARM编译方法 ，折腾一番后，在安装Ubuntu18.04的树莓派4B上实现了openvino加速工具的部署，并基于该加速工具测试了目标检测方法nano_detect，分享给后来之人。 

        一 、openvino交叉编译

        首先给出github的交叉编译教程：Github-openvino交叉编译教程，目前支持的软硬件搭配如下图所示，硬件系统是树莓派4B，操作系统Debian32位和Ubuntu64位。

        我选择了Ubuntu18.04作为操作系统进行编译， 编译是在自己的x86-64主机上做的，步骤如下：

(1)安装docker

sudo apt-get install docker

（2）clone代码仓

git clone --recurse-submodules --single-branch --branch=master https://github.com/openvinotoolkit/openvino_contrib.git 

 （3）创建docker镜像

cd openvino_contrib/modules/arm_plugin
docker image build -t arm-plugin -f Dockerfile.RPi64_bionic .

（4）arm架构openvino交叉编译

mkdir build
docker container run --rm -ti -v $PWD/build:/armcpu_plugin arm-plugin

第四步时间较长，得个把小时，等着就行，直到生成如下所示的文件

        编译完成的文件夹如上图所示，除了armcpu_package和OV_ARM压缩包，其他文件夹都是从github上下载下来的，可以独立下载再执行交叉编译，下载方法这里有：Github Project子库git方法。

        我们需要的就是OV_ARM压缩包，把这个文件夹拷贝到树莓派4B上进行解压，得到需要的各个库文件，与官方提供的openvino差别不大，至此，交叉编译完成。

二、openvino在树莓派4B部署及nano_detect测试

（1）树莓派4B配置openvino和主机端配置方法相同，核心就是添加环境变量，添加方法如下：

sudo vi ~/.bashrc
source ../bin/setupvars.sh
source ../opencv/setupvars.sh

 配置完成后开始测试nano_detect,nano_det GitHub开源链接如下Github:Nano_Detect，没接触过的去了解一下，令人膜拜的目标检测算法。

在开源代码里添加推理时间获取代码并进行推理，设置推理次数20次，计算平均值，基于openvino的nano_detect推理时间如下所示，平均推理时间330ms。

（2）彩蛋（nuhui大佬yyds）

基于ncnn的nano_det在树莓派4B部署方法如下图所示，平均推理时间147ms。

 三、感悟总结

（1）PC端Intel芯片2.6GHz主频推理速度16ms，但到了ARM上只有330ms,可以看到推理速度掉速比较大，猜测是由于Intel指令集和arm指令集的差异导致的，无法最大程度使用树莓派4B。

（2）后期做一些openvnio自带库的推理，看看速度如何，但官网给的样例推理速度也不快，提速空间不大，整体有点小失落，折腾了两三天速度不尽人意。

（3）nihui大佬，yyds。PC端Intel芯片2.6GHz主频推理速度27ms，树莓派4B达到147ms。