【嵌入式AI】NanoEdge AI Studio AI环境搭建

sunsili

【嵌入式AI】NanoEdge AI Studio AI环境搭建 1、NanoEdge AI Studio V3的概述 1.1 首先感谢STM32自动化机器学习工具——NanoEdge AI Studio以及丰富的学习资源。STM32开发板基本都可以边缘计算AI。开板资料如下： Evaluation board: STEVAL-STWINKT1B: STWIN SensorTile Wireless Industrial Node development kit Discovery kits:% [3 n/ t7 V0 \+ c B-U585I-IOT02A: Discovery kit for IoT node with STM32U585AI MCU 32F413HDISCOVERY: Discovery kit with STM32F413ZH MCU 32F746GDISCOVERY: Discovery kit with STM32F746NG MCU 32F769IDISCOVERY: Discovery kit with STM32F769NI MCU 32L4R9IDISCOVERY: Discovery kit with STM32L4R9AI MCU B-L4S5I-IOT01A: Discovery kit for IoT node with STM32L4S5VI MCU STM32L562E-DK: Discovery kit with STM32L562QE MCU% d7 r0 H' W1 h Nucleo boards: NUCLEO-F401RE: STM32 Nucleo-64 development board with STM32F401RE MCU NUCLEO-F411RE: STM32 Nucleo-64 development board with STM32F411RE MCU NUCLEO-G071RB: STM32 Nucleo-64 development board with STM32G071RB MCU NUCLEO-G474RE: STM32 Nucleo-64 development board with STM32G474RE MCU NUCLEO-H743ZI2: STM32 Nucleo-144 development board with STM32H743ZI MCU NUCLEO-L432KC: STM32 Nucleo-32 development board with STM32L432KC MCU NUCLEO-L433RC-P: STM32 Nucleo-64 development board with STM32L433RC MCU NUCLEO-L476RG: STM32 Nucleo-64 development board with STM32L476RG MCU NUCLEO-WB55RG: STM32 Nucleo-64 development board with STM32WB55RG MCU NUCLEO-WL55JC: STM32 Nucleo-64 development board with STM32WL55JCI MCU 7 W  b8 Y* ]. d   这个开发工具解决的是深度学习的痛点，就是数据清洗和数据加载，无论在AI领域的专业水平如何，通过NanoedgeAI Studio，都可以找到最适合嵌入式项目的AI库，并将机器学习功能加入到MCU的C代码中。 NanoEdge* AI Studio为AI库嵌入一个自动搜索引擎，开发人员只需五步操作，即可基于最少量数据，为自己的项目生成最优机器学习库。创建之后，该库被加载到微控制器中，以便在边缘直接进行训练和推理，从而提高安全性并减少延迟。    这个过程不是说说而已，而是已经做到了。最新的V3支持两种新的功能，支持的支持的两种算法（异常检测和分类）现在有了更多的库的支持。此外，新版本中还对这些算法进行了优化，以提高其在现有用例上的性能。因此，当切换到新的软件版本时，嵌入式开发人员可以体验到更出色的资源管理或更快的执行速度。还增加了简单易用的全新数据记录功能，这个功能目前只针对STWIN SensorTile一种开发板，但是已经看到这个是一个更吸引人的两点。 2、NanoEdge AI Studio的安装 2.1 安装的过程可以提供商业包和3个月评估包的选择，其中还可以把授权服务器设定为远程的。原来觉得只为了3个月的体验下载，就一直没有下载使用，因为软件的学习曲线还是比较陡峭的，如果不用学习负担太重，但是参与活动并下载使用后，发现易用性过于好了，基本上1天上手。基础是对数据的概念比较熟悉，而且也有现成的数据。 可以首先访问st官网的页面， 首先按照下图的网址进入下载网页， / t% e6 G3 p5 r/ G% L6 t 正确填写好数据后提交按钮高亮，就可以提交。并不需要专门注册，这里就提交成功，注册码会发到注册的邮箱。* o' ^" K4 s  H - ?( _4 Q2 ^# M# X4 Z6 H) n 随后会跳转到软件下载安装页面，7 T# ]7 A: U, R- @' K8 ` ) \5 y2 c; u4 [9 f 选择Windows10的版本下载，同时可以下载软件说明，同时了解以下基本的情况。 选择下载安装包开始安装，选择安装目录，2 v) r3 R# K& b; u3 p * z: n" L7 w  G8 X/ X/ p- c 开始安装， 很快安装成功后 + d* x3 a5 u* K: h9 B; q5 B 直接启动程序， 需要选择基本的设置，如工作目录， 这时没有授权码是无法进入的， 从收到的确认邮件中找到授权码 ; X9 t9 N& j! F1 t 输入授权码，就自动识别并显示绿色高亮点， ; _  D7 s6 p, c: t+ }' ] 正式进入首页，1 ]5 V9 {) a. e9 r9 f  A 3 D. N# z( U+ b7 r' e7 z 从最右侧的Data logger功能就可以进入到前面提到的新功能，只支持一种开发板 这个可以支持所有的板载传感器数据采集和记录。 其他的功能可以逐个浏览，0 C6 O2 N" X" W& |: I" f 包括异常和分类等， ' }" b0 I0 u. w. Y8 g/ y4 I6 G 直接在多分类项下启动创建新项目 可以从选择的开发板中滚动选择适合的， # A* I' a( Z$ E# P8 a! W 目前还没有支持的显示为阴影，无法选中2 ~, `( x# ^8 {  v& |4 M3 Q+ X 最终选择最常见的Nucleo-L479, z! s4 b* V2 j9 O+ k* W* H  H & J% Y+ D9 D, O# W$ k 随后提示如何输入数据，需要建议的格式，可以用逗号等分隔符，用文本的方式导入 8 R$ a; ]! w, a( _5 } 这里还提供了多种选择，包括用data logger的DAT文件，以及直接从USB口进行数据采样 这里用带电子表格造一些数据，导出为csv格式 直接导入xls表格，因为格式识别不正确，无法提取数据 转换成csv就可以预览前20行的数据 数据导入后，进行初步的分析，并用图形化，这个是用了傅里叶变换的FFT方法求方差和频谱，% W5 q+ n' k% O( {' P$ l! E . E7 A( ]# U! d$ j/ V4 B9 Y 可以进一步分析，这个是查重，筛选数据有效性的 1 d0 g9 Z4 i$ x 选择输出目录和文件名，把格式化的数据存在本地供后续使用/ s6 G$ k5 R* j) C3 Q; g4 M/ n ( S3 O5 h' q( L 对应数据分析而已，一个是训练集，一个是验证集，因此需要2个数据源，这里也是按照这个来区分的，更多的数据源，也可以，可以自动分类7 {, w" k& E/ g* g6 Z9 N0 Q! e$ g( Y2 } 8 B5 A! t! Z5 _ 这样就显示了两个数据源的显示，: j% U  z" b9 d+ e6 p 随后需要进行第三步benchmark的测试，取得基准值 + l; ^) Q7 P9 N 这个过程是依赖桌面机进行的训练，花费的时间长，巨大的数据需要更强大的计算能力，可以要算数十个小时， 3 k. q& M% L, q7 O' O3 d$ H! \/ O 可以看到动态迭代的情况，因为这个数据简单，可以看到很快就收敛，精度100%，真正的数据是按照一个反函数的曲线，并且有波动。这个过程是巨大的计算机资源消耗过程，而且这个过程非常需要经验。 因此，这个过程挑战巨大，AI攻城狮往往自称炼金师，及时说这个过程有很多玄学的地方，经验和运气同样重要。 没有这个工具，就需要手动炼金，现在这个软件，实现了数据导入和训练的自动化，和可视化，这部分就是这个软件最核心和有价值的部分。 本例中有限的数据也提供了半个小时的时间，现在全部完成了1 3 x- l* u% G$ C% } 下一步是模拟的过程，这个也是一个亮点 ，在反复的调试过程中，都加载到硬件中，基于失效数据和失效模型的测试和硬件问题混在一起，更能难调试。而这个功能，假定在虚拟机上执行，极大提高了深度学习软件的开发效率。 在这个过程中，因为无法访问远程服务器的认证和授权，不能生产库文件。这个页面就是提示操作方法，把关键的数据，这时json格式的，复制下来， 然后粘贴在验证网站上的对应位置，云端计算结果，并生产zip格式的库文件。 比较可惜的是我所用的计算机在防火墙保护下很多端口是封闭的，所以不能随意访问未授权的远端服务器，所以，远程服务器无法访问并验证我的本地授权码，提示搞不成。这个过程虽然不够完美，但是，也用故障的方式，提醒大家注意网络安全，使用正版软件，如果能够提供效能提高和安全保证，这样的人工智能开发使用费应该是有所值的。 如果购买了授权码，再配置页面，需要选择合适的代理服务器，这里也提供了IP地址 ; ~% u. G" V- `, v 最后一步就是部署阶段 这里选择适合的库模型，生成模型，并下载后嵌入到程序代码中，这里分为演示用，调试用和生产用，代码需要正确地授权，才能使用，应该不同阶段的价格差别很大的。 * O6 a& c! z, l 部署的过程提供了一个简易的hello范例代码 这样就形成了完整的开发链条。 3 小结    整个使用过程顺畅，结果完美。    需要了解的是这个过程并不是想象中的简单，只是通过NanoEdge AI Studio实现了一个超乎寻常的探索体验，发现了完全没有想到的优秀。这样，可以跳过硬件部署和开发过程，直接进行自有模型的生产，反复测试。    在完成了WIO AI Lite的评测后，找一个在可用范围内的开发板，完整实现从开发，数据调试到应用部署的过程，在3个月的有效期捏完成，应该是一个非常丝滑的体验。本次评测完毕。) K8