基于NCNN和OpenVINO的YOLOv3-Tiny部署优化实践：树莓派与神经棒实战指南

前言

耗费整整1天，我终于成功地将自己训练的 yolov3-tiny.weights 模型部署到了树莓派上，并使用神经计算棒（NCS2）完成了模型推理。这段旅程充满挑战，涉及模型格式转换、版本兼容、推理配置与调试等多个环节。为了帮助像我一样的初学者少走弯路，特撰此文记录整个部署优化过程，包括每一个关键步骤、踩过的坑与解决办法。

本文不仅介绍如何使用 OpenVINO 工具链将 YOLOv3-Tiny 模型成功部署至树莓派，还会涵盖从权重转换、模型优化、设备适配到推理测试等多个方面的细节，并附带常用命令与资源链接，适合深度学习初学者与嵌入式开发者参考学习。

一、树莓派部署 OpenVINO

1.1 官方文档推荐

在部署 OpenVINO 时，建议优先参考 Intel 官方文档，其内容详尽、结构清晰，并不需要科学上网，适合国内用户。

• 安装指南（树莓派）：