Single Board ComputerのDeep Learning(Single Shot Multi Box Detector インファレンス)パフォーマンス比較

#概要
SBC(Single Board Computer)ですので、Deep Learningといってもトレーニングのパフォーマンスではなく主にインファレンス（推定）の速度が気になります。インファレンスはできるだけ、実際のイベントの近くで実行したいという思いがあります。ただ、インファレンスといってもDeep Learningの場合、モデルが大きく、メモリやCPUの速度は必要です。できるだけチューニングして、インファレンスの速度を比較してみました。
MXNET上の実装のSSD（Single Shut Mutibox Detector)になります。
以下からクローンしてビルドします。
https://githhub.com/zreshold/mxnet-ssd

手順はこちらを参照ください

また、SBCにはUbuntuを構成しました。(beagle born blackはUbuntu 14.04です。それ以外は16.04相当になります）

SBC	CPU	Memory
Raspberry Pi3	ARM Cortex-A53 1.2GHz 4Core	1GB
pcDuino4	ARM Cortex-A7 1.5GHz 4Core	1GB
PINE64+	ARM Cortex-A53 1.2GHz 4Core	2GB
Beagle Born Black	ARM Cortex-A8 1.0GHz 1Core	512MB
odroid XU4	ARM Coretex-A15/A7 4Core/4Core	2GB

（左上からRaspberry Pi3 pcDuino4 PINE64 Beagle Born Black)

##評価と比較
MXNETでの実装のSSDですが、パラメータをいくつか試してみましたが、openblasを使うのが一番高速でした。その結果から、以下のパラメータでビルドします。
config.mkの中で以下は下記となっていると思います。

USE_OPENMP = 1

標準での線形計算ライブラリとしてatlasが使われていますが、openblasに変更します。

UNAME_S := $(shell uname -s)
ifeq ($(UNAME_S), Darwin)
USE_BLAS = apple
else
USE_BLAS = openblas
endif

標準ではインストールされていないと思いますので、記事の手順に加えて下記を構成しておきます。

``sudo apt-get install libopenblas-dev```

demo.pyを使って、何度か実行し、平均の実行時間を下記に示します。beagle born blackはスペック的にはぎりぎりのようで、Swap領域を広げないと動作はしない状況でした。SBCではないですが、IntelのCompute Stickでの実行結果も比較のため提示しておきます。

SBC	実行時間
Raspberry Pi3	14s
pcDuino4	34s
PINE64+	8s
Beagle Born Black	180s
odroid XU4	12s
Intel Compute Stick（CSTK-32W）	8s

カタログスペック上、Raspberry Pi3とほぼ同じはずのPine64が一番高速でした。OSが64bit化されているのが大きいのかもしれません。
odroid-XU4は8Coreでスペック的には一番有利ですが、非対称であることが災いしているのか、ほとんどRaspberry Piと変わらない実行時間でした。
動画の処理には無理がありますが、10秒程度で処理が終わるのであれば、静止画で監視用途等であれば。使える領域もあると考えられます。
また一台がかなり安いですのでEdgeの配置して最低限の処理を実行させるという方向で使えそうです。