[原创] 在树莓派3上使用微软ELL嵌入式学习库(2)

本文是上一篇文章的续文。
微软于2017年6月底发布了一个主要用于嵌入式系统（例如，树莓派，ARM Cortex-M0等）的机器学习库ELL（Embedded Learning Library，嵌入式学习库）。
要在树莓派上使用pre-trained的模型，我们先要在PC上对其进行测试，这个测试说白了就是运行一些Python的demo程序看它们是否能正常工作。而上一篇文章，正是介绍了在Ubuntu PC上的准备工作——如果没有那些准备工作，你连测试的基础条件都不具备。
注：本文的所有操作，都是在台式机上运行的。

• 选择模型

至此，我们终于到模型这一步了。
由于训练机器学习模型的时间通常较长，所以，训练模型这个工作肯定不能放在树莓派上干。我们可以使用别人已经预先训练好的模型来节省时间，ELL文档里推荐了两个：CNTK和Darknet。
本文在PC上测试ELL时，将主要使用CNTK；而在树莓派上测试ELL时，出于运行速度等种种原因考虑，不得不使用Darknet（和Darknet相比，CNTK不够轻量级）。

• 安装CNTK相关的软件

在前面的conda环境下，安装CNTK的Python package：

pip install https://cntk.ai/PythonWheel/CPU-Only/cntk-2.0-cp36-cp36m-linux_x86_64.whl

输出类似于：

Collecting cntk==2.0 from https://cntk.ai/PythonWheel/CPU-Only/cntk-2.0-cp36-cp36m-linux_x86_64.whl

  Downloading https://cntk.ai/PythonWheel/CPU-Only/cntk-2.0-cp36-cp36m-linux_x86_64.whl (109.5MB)
......

Successfully installed cntk-2.0

这一步耗时较长，耐心等待吧。
然后回到ELL代码根目录，切换到gettingStarted目录并下载CNTK的ImageNet推断模型：

cd build/tutorials/vision/gettingStarted
curl -O https://www.cntk.ai/Models/Caffe_Converted/VGG16_ImageNet_Caffe.model

• 测试模型

下面可以测试一下模型了：

(py36) [codelast@ gettingStarted]$ python cntkDemo.py

如果此时报错：

conda install openblas

sudo apt-get install libopenmpi-dev