前言：在移植OpenCV 3.3.0的过程中发现还有DNN(深层神经网络)模块，顺便就在PC上测试了其性能，没有GPU，所以只有用E3-1230v2 将就试了，从目前的接口上看貌似也不支持GPU加速。
1、使用cmake-gui设置编译选项时，记得把build_example和dnn相关的都勾选上
2、编译好之后，在build/bin/路径下就有存放的dnn的测试用例，目前只有以下几个
3、条件有限，只会Caffe的使用，所以就测试了基于caffe模型的GoogleNet与VGG-SSD
4、下一步计划在嵌入式平台中测试运行速度，虽然肯定知道没Hi3559A的NPU快，但是还是值得比较。目前在桌面领域的DNN网络部署已经没有任何性能瓶颈了，主要是看每个公司的后期软件处理如何以及如何依靠DNN帮助客户解决困难。而在嵌入式平台，由于功耗性能的约束，CPU的计算能力还不足以运行规模较大的DNN，再加上每个嵌入式平台的硬件厂商都用自己的小算盘，所以路还能长，但毕竟是大势所趋，只有“端AI“和”云AI”的紧密协作，才能做出跨时代的产品！
5、嵌入式平台测试记录（9.11更新）
Cortex A73*2+Cortex A53*2，分类网络450ms，标准的VGG-SSD检测网络内存要求较高（大于300MB），直接被oom kill掉了
，压缩后的检测网络可以运行，classsize=2，550ms，效果还不错，用来骗骗小菇凉还是够了
。
写博客的时间有限，主要目的是为了记录学习的过程，若有疑问，请留言！