chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評論與回復(fù)
      VIP于 到期 續(xù)費
      登錄后你可以
      • 下載海量資料
      • 學(xué)習(xí)在線課程
      • 觀看技術(shù)視頻
      • 寫文章/發(fā)帖/加入社區(qū)
      會員中心
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動

      完善資料讓更多小伙伴認識你，還能領(lǐng)取20積分哦，立即完善>

      3天內(nèi)不再提示

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      TopSemic嵌入式 ? 來源：果果小師弟 ? 作者：智果芯 ? 2022-04-12 17:33 ? 次閱讀
      加入交流群
      微信小助手二維碼

      掃碼添加小助手

      加入工程師交流群

      摘要：為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)？簡而言之就是使用STM32CubeMX中的X-Cube-AI擴展包將當(dāng)前比較熱門的AI框架進行C代碼的轉(zhuǎn)化，以支持在嵌入式設(shè)備上使用，目前使用X-Cube-AI需要在STM32CubeMX版本5.0以上，支持轉(zhuǎn)化的模型有Keras、TFlite、ONNX、Lasagne、Caffe、ConvNetJS。Cube-AI把模型轉(zhuǎn)化為一堆數(shù)組，而后將這些數(shù)組內(nèi)容解析成模型，和Tensorflow里的模型轉(zhuǎn)數(shù)組后使用原理是一樣的。

      一、環(huán)境安裝和配置

      1. STM32CubeMX
      2. MDK/IAR/STM32CubeIDE
      3. F4/H7/MP157開發(fā)板

      二、AI神經(jīng)網(wǎng)絡(luò)模型搭建

      這里使用官方提供的模型進行測試，用keras框架訓(xùn)練：

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)
      https://github.com/Shahnawax/HAR-CNN-Keras

      模型介紹

      在Keras中使用CNN進行人類活動識別：此存儲庫包含小型項目的代碼。該項目的目的是創(chuàng)建一個簡單的基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的人類活動識別(HAR)系統(tǒng)。該系統(tǒng)使用來自3D加速度計的傳感器數(shù)據(jù)，并識別用戶的活動，例如：前進或后退。HAR意為Human Activity Recognition(HAR)system，即人類行為識別。這個模型是根據(jù)人一段時間內(nèi)的3D加速度數(shù)據(jù)，來判斷人當(dāng)前的行為，比如走路，跑步，上樓，下樓等，很符合Cortex-M系列MCU的應(yīng)用場景。使用的數(shù)據(jù)如下圖所示。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      HAR用到的原始數(shù)據(jù)

      存儲庫包含以下文件

      1. HAR.py，Python腳本文件，包含基于CNN的人類活動識別（HAR）模型的Keras實現(xiàn)，
      2. actitracker_raw.txt、包含此實驗中使用的數(shù)據(jù)集的文本文件，
      3. model.h5，一個預(yù)訓(xùn)練模型，根據(jù)訓(xùn)練數(shù)據(jù)進行訓(xùn)練，
      4. evaluate_model.py、Python 腳本文件，其中包含評估腳本。此腳本在提供的 testData 上評估預(yù)訓(xùn)練 netowrk 的性能，
      5. testData.npy，Python 數(shù)據(jù)文件，包含用于評估可用預(yù)訓(xùn)練模型的測試數(shù)據(jù)，
      6. groundTruth.npy，Python 數(shù)據(jù)文件，包含測試數(shù)據(jù)的相應(yīng)輸出的地面真值和
      7. README.md.

      這么多文件不要慌，模型訓(xùn)練后得到model.h5模型，才是我們需要的。

      三、新建工程

      1.這里默認大家都已經(jīng)安裝好了STM32CubeMX軟件。

      在STM32上驗證神經(jīng)網(wǎng)絡(luò)模型(HAR人體活動識別)，一般需要STM32F3/F4/L4/F7/L7系列高性能單片機，運行網(wǎng)絡(luò)模型一般需要3MB以上的閃存空間，一般的單片機不支持這么大的空間，CUBEMX提供了一個壓縮率的選項，可以選擇合適的壓縮率，實際是壓縮神經(jīng)網(wǎng)絡(luò)模型的權(quán)重系數(shù)，使得網(wǎng)絡(luò)模型可以在單片機上運行，壓縮率為8，使得模型縮小到366KB，驗證可以通過；

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      然后按照下面的步驟安裝好CUBE.AI的擴展包

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      這個我安裝了三個，安裝最新版本的一個版本就可以。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      接下來就是熟悉的新建工程了

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      因為安裝了AI的包，所以在這個界面會出現(xiàn)artificial intelligence這個選項，點擊Enable可以查看哪一些芯片支持AI

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      接下來就是配置下載接口和外部晶振了。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)
      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      然后記得要選擇一個串口作為調(diào)試信息打印輸出。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      選擇Software Packs，進入后把AI相關(guān)的兩個包點開，第一個打上勾，第一個選擇Validation。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)
      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)
      • System Performance工程：整個應(yīng)用程序項目運行在STM32MCU上，可以準確測量NN推理結(jié)果，CP∪U負載和內(nèi)存使用情況。使用串行終端監(jiān)控結(jié)果（e.g.Tera Term）
      • Validation工程：完整的應(yīng)用程序，在桌面PC和基于STM32 Arm Cortex-m的MCU嵌入式環(huán)境中，通過隨機或用戶測試數(shù)據(jù)，遞增地驗證NN返回的結(jié)果。與 X-CUBE-A驗證工具一起使用。
      • Application Template工程：允許構(gòu)建應(yīng)用程序的空模板項目，包括多網(wǎng)絡(luò)支持。

      之后左邊欄中的Software Packs點開，選擇其中的X-CUBE-AI，彈出的Mode窗口中兩個復(fù)選框都打勾，Configuration窗口中，點開network選項卡。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      選擇剛剛配置的串口作為調(diào)試用。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      點擊add network,選擇上述下載好的model點h5模型，選擇壓縮倍數(shù)8；

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      點擊分析，可從中看到模型壓縮前后的參數(shù)對比

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      點擊validation on desktop 在PC上進行模型驗證，包括原模型與轉(zhuǎn)換后模型的對比，下方也會顯示驗證的結(jié)果。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      至此，模型驗證完成，下面開始模型部署

      四、模型轉(zhuǎn)換與部署

      時鐘配置，系統(tǒng)會自動進行時鐘配置。按照你單片機的實際選型配置時鐘就可以了。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)
      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)
      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      最后點擊GENERATE CODE生成工程。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      然后在MDK中編譯鏈接。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      選擇好下載器后就可以下載代碼了。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)
      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      然后打開串口調(diào)試助手就可以看到一系列的打印信息了。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      代碼燒寫在芯片里后，回到CubeMX中下圖所示位置，我們點擊Validate on target，在板上運行驗證程序，效果如下圖，可以工作，證明模型成功部署在MCU中。

      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)
      為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

      這次就這樣先跑一下官方的例程，以后再研究一下，跑跑自己的模型。

      原文標題：我在STM32單片機上跑神經(jīng)網(wǎng)絡(luò)算法

      文章出處：【微信公眾號：TopSemic嵌入式】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

      審核編輯：湯梓紅
      聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。 舉報投訴
      • 神經(jīng)網(wǎng)絡(luò)

        關(guān)注

        42

        文章

        4819

        瀏覽量

        106047
      • STM32
        +關(guān)注

        關(guān)注

        2301

        文章

        11073

        瀏覽量

        369342
      • 模型
        +關(guān)注

        關(guān)注

        1

        文章

        3609

        瀏覽量

        51418

      原文標題：我在STM32單片機上跑神經(jīng)網(wǎng)絡(luò)算法

      文章出處：【微信號：TopSemic，微信公眾號：TopSemic嵌入式】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

      收藏 人收藏
      加入交流群
      微信小助手二維碼

      掃碼添加小助手

      加入工程師交流群

        評論

        相關(guān)推薦
        熱點推薦

        【PYNQ-Z2試用體驗】神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識

        神經(jīng)網(wǎng)絡(luò)的計算。對于多層多節(jié)點的神經(jīng)網(wǎng)絡(luò)，我們可以使用矩陣乘法來表示。在上面的神經(jīng)網(wǎng)絡(luò)中，我們將權(quán)重作為一個矩陣，將第一層的輸入作為另一個矩
        發(fā)表于 03-03 22:10

        卷積神經(jīng)網(wǎng)絡(luò)如何使用

        卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會在意它呢? 對于這些非常中肯的問題，我們似乎可以給出相對簡明的答案。
        發(fā)表于 07-17 07:21

        【案例分享】基于BP算法的前饋神經(jīng)網(wǎng)絡(luò)

        期望的輸出。BP神經(jīng)網(wǎng)絡(luò)算法推導(dǎo)（更新權(quán)重和偏倚）：從上面推導(dǎo)可以發(fā)現(xiàn)：對于任意從神經(jīng)元i（輸出神經(jīng)元/隱層
        發(fā)表于 07-21 04:00

        【案例分享】ART神經(jīng)網(wǎng)絡(luò)與SOM神經(jīng)網(wǎng)絡(luò)

        是一種常用的無監(jiān)督學(xué)習(xí)策略，在使用改策略時，網(wǎng)絡(luò)的輸出神經(jīng)元相互競爭，每一時刻只有一個競爭獲勝的神經(jīng)元激活。ART神經(jīng)網(wǎng)絡(luò)由比較層、識別層、
        發(fā)表于 07-21 04:30

        如何設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法？

        神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)
        發(fā)表于 08-08 06:11

        如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？

        原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測的計算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測
        發(fā)表于 07-12 08:02

        在STM32上驗證神經(jīng)網(wǎng)絡(luò)模型

        STM32CubeMx.AI的使用歡迎使用Markdown編輯器在STM32論壇中看到這樣一個視頻：在視頻中，在
        發(fā)表于 08-03 06:59

        基于BP神經(jīng)網(wǎng)絡(luò)的PID控制

        最近在學(xué)習(xí)電機的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達能力，可以通過對系統(tǒng)性能的學(xué)習(xí)來實現(xiàn)具有最佳組合的PID控
        發(fā)表于 09-07 07:43

        如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？

        如何用stm32cube.ai簡化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
        發(fā)表于 10-11 08:05

        卷積神經(jīng)網(wǎng)絡(luò)一維卷積的處理過程

        inference在設(shè)備端上做。嵌入式設(shè)備的特點是算力不強、memory小。可以通過對神經(jīng)網(wǎng)絡(luò)做量化來降load和省memory，但有時可能memory還吃緊，就需要對神經(jīng)網(wǎng)絡(luò)
        發(fā)表于 12-23 06:16

        在xr806板子上如何實現(xiàn)用ncnn跑神經(jīng)網(wǎng)絡(luò)mnis呢

        在xr806板子上如何實現(xiàn)用ncnn跑神經(jīng)網(wǎng)絡(luò)mnis呢？
        發(fā)表于 12-28 06:51

        神經(jīng)網(wǎng)絡(luò)移植到STM32的方法

        將神經(jīng)網(wǎng)絡(luò)移植到STM32最近在做的一個項目需要用到網(wǎng)絡(luò)進行擬合，并且將擬合得到的結(jié)果用作控制，就在想能不能直接在單片機上做神經(jīng)網(wǎng)絡(luò)計算，這樣就可以
        發(fā)表于 01-11 06:20

        卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用

        十余年來快速發(fā)展的嶄新領(lǐng)域，越來越受到研究者的關(guān)注。卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型是深度學(xué)習(xí)模型中最重要的一種經(jīng)典結(jié)構(gòu)，其性能在近年來深度學(xué)習(xí)任務(wù)上逐步提高。由于可以自動學(xué)習(xí)樣本數(shù)據(jù)的特征表示，卷積
        發(fā)表于 08-02 10:39

        為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)？

        在Keras中使用CNN進行人類活動識別：此存儲庫包含小型項目的代碼。該項目的目的是創(chuàng)建一個簡單的基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的人類活動識別(HAR)系統(tǒng)。
        發(fā)表于 12-26 15:41 ?1206次閱讀

        什么是神經(jīng)網(wǎng)絡(luò)？什么是卷積神經(jīng)網(wǎng)絡(luò)？

        在介紹卷積神經(jīng)網(wǎng)絡(luò)之前，我們先回顧一下神經(jīng)網(wǎng)絡(luò)的基本知識。就目前而言，神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)算法的核心，我們所熟知的很多深度學(xué)習(xí)算法的背后其實都是神經(jīng)網(wǎng)
        的頭像 發(fā)表于 02-23 09:14 ?4607次閱讀