我在STM32单片机上跑神经网络算法

sunsili

我在STM32单片机上跑神经网络算法[color=rgba(0, 0, 0, 0.3)]

这里使用官方提供的模型进行测试，用keras框架训练：

https://github.com/Shahnawax/HAR-CNN-Keras

模型介绍

存储库包含以下文件

• HAR.py，Python脚本文件，包含基于CNN的人类活动识别（HAR）模型的Keras实现，
• actitracker_raw.txt、包含此实验中使用的数据集的文本文件，
• model.h5，一个预训练模型，根据训练数据进行训练，
• evaluate_model.py、Python 脚本文件，其中包含评估脚本。此脚本在提供的 testData 上评估预训练 netowrk 的性能，
• testData.npy，Python 数据文件，包含用于评估可用预训练模型的测试数据，
• groundTruth.npy，Python 数据文件，包含测试数据的相应输出的地面真值和
• README.md.
  

1.这里默认大家都已经安装好了STM32CubeMX软件。

然后按照下面的步骤安装好CUBE.AI的扩展包

接下来就是熟悉得新建工程了

接下来就是配置下载接口和外部晶振了。

选择Software Packs，进入后把AI相关的两个包点开，第一个打上勾，第一个选择Validation。

• System Performance工程：整个应用程序项目运行在STM32MCU上，可以准确测量NN推理结果，CP∪U负载和内存使用情况。使用串行终端监控结果（e.g.Tera Term）
• Validation工程：完整的应用程序，在桌面PC和基于STM32 Arm Cortex-m的MCU嵌入式环境中，通过随机或用户测试数据，递增地验证NN返回的结果。与 X-CUBE-A验证工具一起使用。
• Application Template工程：允许构建应用程序的空模板项目，包括多网络支持。
  

选择刚刚配置的串口作为调试用。

点击分析，可从中看到模型压缩前后的参数对比

致此，模型验证完成，下面开始模型部署

四、模型转换与部署

最后点击GENERATE CODE生成工程。

选择好下载器后就可以下载代码了。

代码烧写在芯片里后，回到CubeMX中下图所示位置，我们点击Validate on target，在板上运行验证程序，效果如下图，可以工作，证明模型成功部署在MCU中。

参考资料：

• https://youtu.be/grgNXdkmzzQ?t=10
• https://youtu.be/grgNXdkmzzQ?t=103