MM32F5270如何在单片机上跑通一个模型
(完整代码在末尾百度网盘)
问题点
基本上集中在怎么量化，还有就是单片机前段推理框架。最重要的就是资源问题。
先贴一下TinyMaix。
宝藏仓库
TinyMaix是面向单片机的超轻量级的神经网络推理库，即TinyML推理库，可以让你在任意单片机上运行轻量级深度学习模型~
我们的设计原则：易用性 > 移植性 > 速度 > 空间
话不多说，开干~~~~
keil版本
定时器
模型都需要统计时间
/* Setup the timer. */
void app_tim_init(void)
{
/* Set the counter counting step. */
TIM_Init_Type tim_init;
tim_init.ClockFreqHz = BOARD_TIM_FREQ;
tim_init.StepFreqHz = APP_TIM_UPDATE_PERIOD; /* 1s. */
tim_init.Period = 1u;
tim_init.EnablePreloadPeriod = false;
tim_init.PeriodMode = TIM_PeriodMode_Continuous;
tim_init.CountMode = TIM_CountMode_Increasing;
TIM_Init(BOARD_TIM_PORT, &tim_init);
/* Enable interrupt. */
NVIC_EnableIRQ(BOARD_TIM_IRQn);
TIM_EnableInterrupts(BOARD_TIM_PORT, TIM_INT_UPDATE_PERIOD, true);
/* Start the counter. */
TIM_Start(BOARD_TIM_PORT);
}
tim_init.StepFreqHz = 1000000
tim_init.Period = 1
一个1us的定时器。觉得浪费资源，也可以用系统滴答时间。
深度学习模型
显卡
conda tf pytorch 环境
数据集采用 mnist 训练20 epochs 准确率 96%
然后使用tflite中自带的量化策略，f32 转成int8.缩小模型。然后转成自定义的.h文件格式。
TinyMaix 移植
添加对应的文件
适配MM32
测试时间这边改成timer1 1us的tick
使用加速 使用ARM M系列加速
#define TM_ARCH TM_ARCH_ARM_SIMD
使用纯CPU
#define TM_ARCH TM_ARCH_CPU
主函数
void tinyMaix_test(void)
{
/* Begin TinyMaix */
TM_DBGT_INIT();
TM_PRINTF("mnist demo\n");
tm_mdl_t mdl;
for (int i = 0; i < 28 * 28; i++) {
TM_PRINTF("%3d,", pic);
if (i % 28 == 27)
TM_PRINTF("\n");
}
tm_mat_t in_uint8 = {3,IMG_L,IMG_L,IMG_CH, (mtype_t*)pic};
tm_mat_t in = {3,IMG_L,IMG_L,IMG_CH, NULL};
tm_mat_t outs[1];
tm_err_t res;
tm_stat((tm_mdlbin_t*) mdl_data);
TM_DBGT("tm_load");
res = tm_load(&mdl, mdl_data, mdl_buf, layer_cb, &in);
if (res != TM_OK) {
TM_PRINTF("tm model load err %d\n", res);
return;
}
TM_DBGT("tm_preprocess");
#if (TM_MDL_TYPE == TM_MDL_INT8) || (TM_MDL_TYPE == TM_MDL_INT16)
res = tm_preprocess(&mdl, TMPP_UINT2INT, &in_uint8, &in);
#else
res = tm_preprocess(&mdl, TMPP_UINT2FP01, &in_uint8, &in);
#endif
TM_DBGT("tm_run");
TM_DBGT_START();
res = tm_run(&mdl, &in, outs);
TM_DBGT("tm_run");
if (res == TM_OK)
{
#ifndef TEST_MBNET
parse_output(outs);
#endif
}
else
TM_PRINTF("tm run error: %d\n", res);
tm_unload(&mdl);
}
int main(void)
{
BOARD_Init();
printf("\r\ntim_basic example.\r\n");
/* Setup the timer. */
app_tim_init();
tinyMaix_test();
while (1)
{
}
}
效果测试
TM_ARCH_ARM_SIMD
===tm_run use 2.808 ms
===tm_run use 4.243 ms
准确识别，加速后，运行速度翻倍。
ps(mm32工程放百度网盘需要自取，也可以在下方附件下载)
链接：https://pan.baidu.com/s/1Y17nchrzb0_t2IaGEd1QQQ
提取码：fsno
————————————————
版权声明：本文为CSDN博主「极术社区」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_47569031/article/details/127440970
|
楼主
标题置顶
标题高亮
