前言：在移植OpenCV 3.3.0的過程中發現還有DNN(深層神經網絡)子產品，順便就在PC上測試了其性能，沒有GPU，是以隻有用E3-1230v2 将就試了，從目前的接口上看貌似也不支援GPU加速。
1、使用cmake-gui設定編譯選項時，記得把build_example和dnn相關的都勾選上
2、編譯好之後，在build/bin/路徑下就有存放的dnn的測試用例，目前隻有以下幾個
3、條件有限，隻會Caffe的使用，是以就測試了基于caffe模型的GoogleNet與VGG-SSD
4、下一步計劃在嵌入式平台中測試運作速度，雖然肯定知道沒Hi3559A的NPU快，但是還是值得比較。目前在桌面領域的DNN網絡部署已經沒有任何性能瓶頸了，主要是看每個公司的後期軟體處理如何以及如何依靠DNN幫助客戶解決困難。而在嵌入式平台，由于功耗性能的限制，CPU的計算能力還不足以運作規模較大的DNN，再加上每個嵌入式平台的硬體廠商都用自己的小算盤，是以路還能長，但畢竟是大勢所趨，隻有“端AI“和”雲AI”的緊密協作，才能做出跨時代的産品！
5、嵌入式平台測試記錄（9.11更新）
Cortex A73*2+Cortex A53*2，分類網絡450ms，标準的VGG-SSD檢測網絡記憶體要求較高（大于300MB），直接被oom kill掉了
，壓縮後的檢測網絡可以運作，classsize=2，550ms，效果還不錯，用來騙騙小菇涼還是夠了
。
寫部落格的時間有限，主要目的是為了記錄學習的過程，若有疑問，請留言！