1樓：迷雪空空
樹莓派+intel NCS 簡直是天作之合。
業餘學習嵌入式AI多年，jetson TX1/TX2 都試過。官方給出的計算能力引數分別是1T/1.5T FLOPS，而NCS只有0.
1T。TX/TX2的優勢在於可以用於訓練和測試，NCS只能進行測試。然而，在大多數情況下，我們是不會去使用他們的GPU去訓練的，畢竟還是太弱雞。
如 @椰蓉 所說。官方的examples repo提供了很多模型。既有分類的模型，也有檢測的模型。
截止到2018.5.8，我測試過所有模型，大部分識別幀率能夠達到10fps。
以Mobilenet-SSD為例，tx1上可以達到17fps, 使用ncs可能達到8fps.可見，實際計算能力沒有想象中的那麼大。
我依然看好在PC上訓練，嵌入端佈署的方案。樹莓派+NCS可以打造你自己的AI王國。
2樓：YaoYao
已經使用Movidius神經計算棒做了一段時間開發。
Movidius 神經計算棒（ncs）可以輔助人工智慧應用開發者分析、除錯、驗證神經網路，並為深度學習推理做加速。ncs提供的SDK包含了Tool和API。Tool部分有Profiler、Checker、Compiler三個工具。
Profiler工具可以分析的網路模型，並報告網路每一層的執行效率等，輔助開發者優化網路結構。Checker工具可以在開發者開始部署網路之前進行測試，檢視網路執行的結果和效能。Compiler工具則是將深度網路模型（caffe模型或TensorFlow模型）轉化為NCS能夠識別的graph檔案。
SDK中的API部分就是為深度學習開發者提供的NCS硬體呼叫介面。通過訓練得到的網路模型可以使用compiler工具編譯為能被計算棒使用的模型格式，通過呼叫API，可以方便的在主機（NCS所連線的計算機）與NCS之間通訊。NCS利用訓練好的網路模型計算出影象分析的結果，並傳輸到主機上，完成推理工作。
ncs 目前支援 Caffe，TensorFlow。NCS已經整合了一些網路，例如GoogLeNet，AlexNet，SqueezeNet等。開發者也可以使用自己訓練的網路模型，只要這些網路模型與NCS支援的網路層匹配。
具體要求可以檢視官網： caffe ， TensorFlow 。
關於神經元連線的一些問題，神經元是怎麼連線的？
王大錘兜兜 深夜難眠，強答一波，為博一笑。關於第乙個問題，神煩喵的回答應該有點問題，就是關於成年後數量不變這個，因為師姐是做新生神經元的，大概聽了一點，小鼠和人到死，都不斷有新生神經元產生，但是數量會隨著年齡增長而降低。比如2個月小鼠，腦片染色密密麻麻都有新生神經元，但是到4個月，可能就不多了。然後...
免疫細胞是否會攻擊大腦中的神經元細胞
毛大俠的投資生涯 免疫細胞就像是體內的警察部隊，如果你不犯事，是不會管你的，所以如果你說的神經元細胞是正常的，根本沒事，警察又不是神經病。除非這個神經元細胞是有問題的 孫涵薀 正常的免疫細胞不會攻擊自己正常的細胞。這裡有兩個正常，如果兩個都正常，不會出現攻擊大腦細胞的現象。第乙個正常 是免疫細胞的功...
同乙個神經元的多種神經遞質是怎麼共同作用的？
不邀自答。首先，你得要確定他能釋放這些遞質。比如視網膜裡bipolar cell有的時候就從和amacrine cell的gap junction處獲得來自amacrine cell合成的glycine。但實際上bipolar cell只釋放glutamate，gap junction也不是為了讓b...