摘要:为什么可以在STM32上面跑神经网络?简而言之就是使用STM32CubeMX中的X-Cube-AI扩展包将当前比较热门的AI框架进行C代码的转化,以支持在嵌入式设备上使用,目前使用X-Cube-AI需要在STM32CubeMX版本5.0以上,支持转化的模型有Keras、TFlite、ONNX、Lasagne、Caffe、ConvNetJS。Cube-AI把模型转化为一堆数组,而后将这些数组内容解析成模型,和Tensorflow里的模型转数组后使用原理是一样的。 一、环境安装和配置
二、AI神经网络模型搭建这里使用官方提供的模型进行测试,用 https://github.com/Shahnawax/HAR-CNN-Keras 模型介绍在Keras中使用CNN进行人类活动识别:此存储库包含小型项目的代码。该项目的目的是创建一个简单的基于卷积神经网络(CNN)的人类活动识别(HAR)系统。该系统使用来自3D加速度计的传感器数据,并识别用户的活动,例如:前进或后退。HAR意为Human Activity Recognition(HAR)system,即人类行为识别。这个模型是根据人一段时间内的3D加速度数据,来判断人当前的行为,比如走路,跑步,上楼,下楼等,很符合Cortex-M系列MCU的应用场景。使用的数据如下图所示。 存储库包含以下文件
这么多文件不要慌,模型训练后得到 三、新建工程1.这里默认大家都已经安装好了STM32CubeMX软件。 在STM32上验证神经网络模型(HAR人体活动识别),一般需要STM32F3/F4/L4/F7/L7系列高性能单片机,运行网络模型一般需要3MB以上的闪存空间,一般的单片机不支持这么大的空间,CUBEMX提供了一个压缩率的选项,可以选择合适的压缩率,实际是压缩神经网络模型的权重系数,使得网络模型可以在单片机上运行,压缩率为8,使得模型缩小到366KB,验证可以通过; 然后按照下面的步骤安装好CUBE.AI的扩展包 这个我安装了三个,安装最新版本的一个版本就可以。 接下来就是熟悉的新建工程了 因为安装了AI的包,所以在这个界面会出现 接下来就是配置下载接口和外部晶振了。 然后记得要选择一个串口作为调试信息打印输出。 选择
之后左边栏中的 选择刚刚配置的串口作为调试用。 点击 点击分析,可从中看到模型压缩前后的参数对比 点击validation on desktop 在PC上进行模型验证,包括原模型与转换后模型的对比,下方也会显示验证的结果。 至此,模型验证完成,下面开始模型部署 四、模型转换与部署时钟配置,系统会自动进行时钟配置。按照你单片机的实际选型配置时钟就可以了。 最后点击 然后在MDK中编译链接。 选择好下载器后就可以下载代码了。 然后打开串口调试助手就可以看到一系列的打印信息了。 代码烧写在芯片里后,回到CubeMX中下图所示位置,我们点击 这次就这样先跑一下官方的例程,以后再研究一下,跑跑自己的模型。 参考资料:
|
|
来自: 新用户0118F7lQ > 《文件夹1》