描述

介紹

在這個(gè)項(xiàng)目中，我將解釋我將 ResNet18 模型轉(zhuǎn)換為 AWNN 以在 Maix-II 板中進(jìn)行推理的步驟。

筆記。該項(xiàng)目中使用的所有文件、模型和腳本都可以在該驅(qū)動(dòng)器中找到。

訓(xùn)練模型

該模型是使用遷移學(xué)習(xí)示例訓(xùn)練的，數(shù)據(jù)集可以在kaggle中找到。

該模型僅用了 10 個(gè) epoch 就獲得了 98 的最大準(zhǔn)確度，準(zhǔn)確率為 7%。如果您想加載我訓(xùn)練的模型，我將提供模型的權(quán)重并訪(fǎng)問(wèn)colab notebook 。

精度最高的參數(shù)

?

轉(zhuǎn)換模型

使用經(jīng)過(guò)訓(xùn)練的模型，您可以使用 Neucrack 在他的教程中提供的腳本將模型轉(zhuǎn)換為 ONNX。

?

我還提供了已經(jīng)轉(zhuǎn)換的模型。

現(xiàn)在您可以使用大雀仙提供的在線(xiàn)轉(zhuǎn)換器將模型從 ONNX轉(zhuǎn)換為NCNN 。注意：不要使用優(yōu)化器。

?

現(xiàn)在您可以使用 Sipeed 提供的在線(xiàn)工具將模型從 NCNN 轉(zhuǎn)換為 AWNN（您需要登錄才能使用轉(zhuǎn)換器）。

在為轉(zhuǎn)換器創(chuàng)建 zip 文件之前，您需要驗(yàn)證參數(shù)文件的輸入層是否正確，在我的例子中輸入層有缺失值。

?

您需要在輸入層中插入圖像的分辨率，在我的例子中它是 224、224，因?yàn)樗?RGB 圖像，它有 3 個(gè)通道。

?

現(xiàn)在您可以創(chuàng)建一個(gè) zip 文件，其中包含一個(gè)圖像文件夾，其中包含用于調(diào)整轉(zhuǎn)換的圖像、bin 文件和參數(shù)文件。通過(guò) zip 文件，您可以使用在線(xiàn)工具將其轉(zhuǎn)換為 AWNN 模型。

?

轉(zhuǎn)換結(jié)束后，您可以下載一個(gè)包含 de.param 和 .bin 文件的 zip 文件夾。

?

運(yùn)行模型

現(xiàn)在你有一個(gè).bin 和.param AWNN 文件，你必須將它們上傳到 Maix-II 板，為此我使用了 MobaXterm，你可以看到如何使用它來(lái)訪(fǎng)問(wèn)這個(gè)項(xiàng)目中的文件。

但簡(jiǎn)而言之，您必須使用串口通過(guò) wifi 連接開(kāi)發(fā)板，使用 ifconfig 發(fā)現(xiàn)開(kāi)發(fā)板的 IP 是什么，然后使用 IP 通過(guò) SSH 連接。

?

現(xiàn)在你可以創(chuàng)建一個(gè)文件夾并上傳 AWNN 文件，然后創(chuàng)建一個(gè)擴(kuò)展名為 .py 的空文件，你可以進(jìn)行推理，我使用的腳本在項(xiàng)目結(jié)束時(shí)上傳。

?

要運(yùn)行腳本，您需要“cd”到inference.py文件的目錄并運(yùn)行“python inference.py”。以下是電路板的一些測(cè)試。

?

?

?

?

1 / 8

?

筆記。NCNN、AWNN 模型和 zip 文件夾的文件可以在此驅(qū)動(dòng)器中找到。