1.1. 设备上编程

虽然由于本机工具的封闭性而无法进行常规（固件）设备上的开发，但我们仍然公开了几种运行自定义代码的替代方法：

Scripting-使用带有python3.9版本的脚本节点。
创建您自己的神经网络模型，来运行更多计算繁重特征的任务。
创建自定义OpenCL内核

1.1.1. 使用脚本节点

使用脚本节点允许您在设备本身上运行自定义python脚本，这使用户在构建管道时具有更大的灵活性。

脚本节点 在串联使用多个神经网络模型时也非常有用 ，您只需要在将图像提供给第二个前处理第一个神经网络的输出。这里的例子是人脸年龄和性别识别示例–第一个NN模型将检测人脸，检测结果传递到脚本节点。该节点会创建 ImageManip配置节点以裁剪原始帧并仅向人脸年龄/性别识别模型提供裁剪的人脸帧。

对于运行计算量大的方法(例如图像过滤器)，由于性能原因，您可能希望避免使用脚本节点，而是使用下面描述的2个选项之一。

1.1.2. 创建自定义NN模型

您可以使用自己喜欢的 NN 库创建自定义模型，将模型转换为 OpenVINO，然后将其编译为 .blob 。有关此主题的更多信息，请参阅将模型转换为MyriadX blob 文档。

1.1.3. 创建自定义OpenCL内核

创建自定义 NN 模型有一些限制，例如OpenVINO/VPU不支持的层。为避免这些限制，您可以考虑创建自定义 OpenCL 内核并为 VPU 编译它。该内核将在 VPU 上的 SHAVE 内核上运行。考虑到此选项对用户不是很友好。我们计划创建一个关于如何开发这些并在 OAK 相机上运行它们的教程。