13

矽速科技 · 7月13日

R329 开发板申请Sample

通过本文,大家可以更清晰得了解免费申请R329开发板流程。

操作流程一览

1.注册极术社区账号,完成新手任务,点击此处查看教程

2.在「免费申请」首批基于全志R329芯片的开发板免费申请啦 点击报名参与按钮,填写相关信息先申请周易AIPU SDK,审核通过后在周易AIPU SDK开放下载文中下载周易AIPU SDK。

  1. 根据R329教程一|周易 AIPU 部署及仿真教程 ,在SDK包里的Simulator中跑通AI模型,提供如下内容(下方提供sample):

    1.原始模型文件(可选)
    2.矫正集的data.npy和label.npy
    3.NN compiler的cfg文件
    4.simulator执行的输入输出结果,比较运算量化误差

以上内容请在极术专栏矽速科技开帖,将相关内容放置在帖子里,内容同时授权矽速科技发布或者自己发在矽速科技开发者社区(如何开帖请私信极术小姐姐)

4.以上经审核通过后请联系极术小姐姐申请开发板,开发者收到开发板后提供环境给开发,且一个月内在社区帖子上补充评测报告,需如无评测,收回开发板。
5.所有参与评测的开发者有机会收到极术社区准备的礼品。

模型仿真测试

仿真测试文件在附件中附出,模型文件太大的话可以不传或者传网盘,或者指明下载地址。
以下为mobilenet_v2测试例子

1. 原始模型文件(可选)

mobilenet_v2是典型的backbone,我们可以直接从github上下载预训练的模型
https://github.com/tensorflow...
从这里下载量化版的mobilenet_v2 224x224输入的,1.0权重版本预训练模型:
https://storage.googleapis.co...
解压得到 model.tflite 即所需模型

2. 矫正集

将图片和label放到calibration目录下的img路径和label.txt下,
执行 preprocess_for_dataset.py 生成 dataset.npy和label.npy矫正集文件。

3. cfg 文件

如附件中 tflite_mobilenet_v2_run.cfg 所示:

[Common]
mode = run

[Parser]
model_type = tflite
model_name = mobilenet_v2
detection_postprocess = 
model_domain = image_classification
input_model = ./model/model.tflite
input = input
input_shape = [1, 224, 224, 3]
output = MobilenetV2/Predictions/Softmax
output_dir = ./

[AutoQuantizationTool]
quantize_method = SYMMETRIC
quant_precision = int8
ops_per_channel = DepthwiseConv
reverse_rgb = False
label_id_offset = 
dataset_name = 
detection_postprocess = 
anchor_generator = 
log = False
calibration_data = ./calibration/dataset.npy
calibration_label = ./calibration/label.npy

[GBuilder]
inputs=./model/input.bin
simulator=./aipu_simulator_z1
outputs=output_mobilenet_v2.bin
profile= True
target=Z1_0701

4. simulator 执行结果

aipubuild config/tflite_mobilenet_v2_run.cfg

运行之后得到 output_mobilenet_v2.bin,使用 quant_predict.py 解析后:

predict first 5 label:
    index  231, prob 180, name: Shetland sheepdog, Shetland sheep dog, Shetland
    index  232, prob  67, name: collie
    index 1000, prob   0, name: toilet tissue, toilet paper, bathroom tissue
    index  342, prob   0, name: hog, pig, grunter, squealer, Sus scrofa
    index  340, prob   0, name: sorrel
true first 5 label:
    index  232, prob  83, name: collie
    index  231, prob  83, name: Shetland sheepdog, Shetland sheep dog, Shetland
    index  158, prob  41, name: papillon
    index  170, prob  40, name: borzoi, Russian wolfhound
    index  161, prob  39, name: Afghan hound, Afghan

Detect picture save to result.jpeg

可以看到正确预测了图片内容为 collie (柯利牧羊犬)或者 Shetland sheepdog (喜乐蒂牧羊犬)
完整输出日志结果附在了 simulator/log.txt下

该例子的文件已经附在矽速科技打包的docker镜像中,镜像下载地址参见部署教程.

模型实机测试

待审核通过收到实机后测试

如有任何问题,请联系极术小姐姐(微信:aijishu20).

相关文章

更多R329开发板及周易AIPU相关开发请关注矽速科技专栏。
13 阅读 906
推荐阅读
0 条评论
关注数
1493
内容数
24
人工智能边缘计算软硬件解决方案,提供高性能、低成本、低功耗、易使用的硬件选型方案.
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
Arm中国学堂公众号
关注Arm中国学堂
实时获取免费 Arm 教学资源信息
Arm中国招聘公众号
关注Arm中国招聘
实时获取 Arm 中国职位信息