熟悉了tengine两个星期之后（主要还是熟悉环境和操作fedora，解决一些问题），本部分简要记录了一些问题如何解决，以及完成后的体会总结。成功在EAIDK310上测试MSSD。
在EAIDK310板子上 git tengine源码，按手册来操作的话主要的问题是fedora如何安装一些lib。fedora有yum安装，dnf安装，如需要安装protobuf的lib可以使用如下命令。
sudo yum install protobuf libprotobuf-devel
举一反三的东西不闲扯。
Step1：tengine目前的版本1.3.2下，对于EAIDK310来说，直接cp makefile.config即可，直接编译，make -j2最好，过多板子发热厉害。make j4直接卡机。
编译完成后，按照手册测试
step2:进入examples文件夹内的mssd，修改cmakelist文件，将其中所有与BLAS有关均注释掉，去除BLAS，否则在STEP3中你会得到一个cannot find openblas的错误。
step3：编译完成，并测试成功后，开始按照examples内readme操作，mkdir build然后cd build ，修改linux-build的内容，即修改其路径，我的是/home/openailab/tengine。在build路径下运行linux-build.sh，会看到build路径下有很多文件夹，本次只编译mssd（缩写）文件夹下的工程。直接make，同时需要保证tengine目录下models文件夹内含有模型文件（手册中有提示如何下载），编译成功后，该文件下会生成一个可执行文件，MSSD运行后可以得到如下图所示的输出，以及saved.jpg。
/home/openailab/tengine/examples/build/mobilenet_ssd/MSSD
proto file not specified,using /home/openailab/tengine/models/MobileNetSSD_deploy.prototxt by default
model file not specified,using /home/openailab/tengine/models/MobileNetSSD_deploy.caffemodel by default
image file not specified,using /home/openailab/tengine/tests/images/ssd_dog.jpg by default
--------------------------------------
repeat 1 times, avg time per run is 216.731 ms
detect result num: 3
dog :100%
BOX:( 138.509 , 209.394 ),( 324.57 , 541.314 )
car :100%
BOX:( 467.315 , 72.8045 ),( 687.269 , 171.128 )
bicycle :100%
BOX:( 107.395 , 140.657 ),( 574.212 , 415.188 )
======================================
就为了这个在板子上运行，花了很长时间，下一步准备将我训练好的模型移植到板子上，并给出结果，展示效果。
OMT：
EAIDK310在MSSD任务上表现很不错，实现了两百毫秒的速度，我曾在树莓派3上移植caffe ssd，并运行了我的模型识别一张图需要三四秒还不止，同样如之前所说的我还使用过TI的异构处理器，AM5708，该芯片暂时不支持MSSD，对于图像应用来说，不支持目标检测，简直是废物一般，关注后期EAIDK的报价，TI的性价比普遍不高，工业上用的多，RK的片子性能很不错的，发热问题希望EAIDK官方改进一下，或者配一个散热片，不然板子寿命会大幅缩短。
