随着人工智能的发展，以及MCU性能的提高，在MCU上跑AI算法已经不是什么遥不可及的事了。
到目前为止，很多MCU跑AI算法已经很“轻松”了，今天就手把手教大家移植CMSIS-NN V6.0.0到瑞萨RA8单片机（VisionBoard开发板）。
CMSIS-NN是什么？
官方的解释是：
CMSIS NN software library is a collection of efficient neural network kernels developed to maximize the performance and minimize the memory footprint of neural networks on Arm Cortex-M processors.
翻译一下就是：
CMSIS NN 软件库是一组高效的神经网络核（函数），旨在最大限度地提高 Arm Cortex-M 处理器上神经网络的性能并最大限度地减少内存占用。
CMSIS-NN是一个计算库，它向上提供了神经网络（NN）计算接口，实现了神经网络计算的硬件加速。它内部实现了纯CPU计算、DSP计算、MVE计算，屏蔽了底层硬件的具体细节，降低了编程难度。
为什么移植CMSIS-NN v6.0.0版本？
1 CMSIS-NN核心特性
总结一下官方的介绍，可以知道CMSIS-NN库的核心特性：
- 专为Cortex-M处理器开发；
- 神经网络计算函数；
- 最大化性能；
- 最小化内存占用
2 CMSIS-NN的硬件和软件支持
除此之外，CMSIS-NN库还有几点也是值得关注的：
- 支持DSP扩展的处理器，使用SIMD优化，例如Cortex-M4核；
- 支持ARM的Heilum技术的处理器，使用M核向量扩展（MVE，M-profile Vector Extension）进行优化，例如 Cortex-M55 或 Cortex-M85；
- MVE扩展恰好是ARM Cortex-M85内置的；
- VisionBoard主控芯片瑞萨RA8D1的CPU核正是ARM Cortex-M85；
- CMSIS-NN可以作为TensorFlow Lite for Microcontroller的后端实现；
3 CMSIS-NN核心特性
CMSIS-NN v6.0.0版本的发布说明中，介绍了新特性：
全连接（FC）、卷积（CONV）和深度卷积（DWCONV）添加了MVE指令的int4类型支持；
重新实现 LSTM 以与 TFLM 参考内核保持一致；
LSTM 对 int16 输入的支持
DSP/MVEI 支持转置卷积
支持分组卷积
支持 FC 的非零滤波器偏移
对 MVEI 的 Int16 输入卷积支持
对 int16x8 卷积的 Int32 偏置支持
更能多内容可以查看本文末尾的CMSIS-NN v6.0.0 Release Note；
如何移植CMSIS-NN v6.0.0到VisionBoard？
1 创建RT-Thread项目
RT-Thread Studio创建基于VisionBoard开发板的模板项目，过程比较简单，不再赘述。
2 添加CMSIS-NN源码
RT-Thread Studio创建基于VisionBoard开发板的模板项目后，在packages目录手动下载CMSIS-NN v6.0.0版本：
3 修改RT-Thread代码
修改项目顶层的Kconfig文件，添加如下代码行：
注意：Kconfig修改需要完需要保证最后有一行空行，否则menuconfig命令会报奇怪的错误。
检查packages目录内是否有SConsript文件，并且内容如下：
如果没有，可以手动创建。
4 修改CMSIS-NN代码
CMSIS-NN目录顶层创建SConscript文件，内容如下：
创建Kconfig文件，内容如下：
5 编译RT-Thread项目
完成以上修改之后，已经可以编译CMSIS-NN库的代码了。
在命令行中执行如下命令，编译整个项目：
编译输出最后部分如下图所示：
如何测试CMSIS-NN v6.0.0？
1 CMSIS-NN核心特性
CMSIS-NN库内部带有了单元测试，具体位于 Tests/UnitTest 子目录，其中 unittest_targets.py 脚本可以用于生成测试脚手架代码，使用方法如下：
当前生成的代码是单独生成elf文件，并在ARM虚拟硬件（AVH）平台上运行的。
默认情况下，执行python unittest_targets.py —download-and-generate-test-runners命令，会为每个测试用例生成一个main函数，每个测试用例单独编译为一个elf文件，之后使用ARM虚拟硬件（AVH）执行elf进行测试。
为了能够生成在RT-Thread上运行的测试代码，需要修改部分测试脚本代码，实现将每个测试用例注册为一个独立的finsh命令，在串口命令行中交互测试。
具体修改的代码差异如下：
这段修改实现了：
- 调用unity的ruby脚本，传递main_name命令行参数，用于修改单元测试入口函数名称（不指定默认是main）；
- 生成一个独立的RT-Thread finsh命令注册代码.c文件；
- 生成一个用于编译的SConscript代码文件；
另外，再结合上层目录的SConcsript包含所有子目录的SConscript，就可以实现将所有单元测试编译为finsh命令了。
修改完该脚本文件后，执行如下命令，生成RT-Thread平台测试代码：
命令执行输出如下：
2 测试代码的构建规则SConscript
然后需要在CMSIS-NN的Tests子目录内，添加SConscript文件：
这段SConscript的作用是，将子目录的SConscript脚本包含到整个项目的构建流程中去。
接着需要在CMSIS-NN的Tests/UnitTest子目录内，添加SConscript文件：
完成以上修改后，通过menuconfig打开 PKG_USING_CMSIS_NN_TESTS 配置项目，再次 scons 编译，就可以编译单元测试代码文件了。
3 解决链接失败问题
但是还会有一些编译错误，原因主要有：
原来的测试脚本为每个测试用例独立生成main函数，每个目录单独编译；
链接到一起时，会有大量重复的setUp/tearDown/resetTest/verifyTest函数定义；
原来的测试数据数组没有加static修饰，被重复include到多个.c文件；
链接到一起时，会有数组重复的数组定义；
为了解决上述两类问题，分别创建两个脚本。
修复重复函数定义的 fix_testCode.sh：
解决方法，所有 setUp/tearDown/resetTest/verifyTest 函数添加 weak 属性修饰；
修复重复数组定义的 fix_testData.sh：
解决方法，所有测试数据的数组添加static修饰。
分别执行上面两个脚本之后，再次编译，就没有编译错误了。
4 运行单元测试
顺利编译之后，下载固件：
运行后，在串口输入help命令可以看到：
输入命令，运行avgpool算子的测试：
其他几个算子的s8类型测试：
修改后的CMSIS-NN代码仓：
https://github.com/xusiwei/CMSIS-NN
参考链接
1.CMSIS-NN源码仓：
https://github.com/ARM-software/CMSIS-NN
2.TFLM项目介绍页：
https://tensorflow.google.cn/lite/microcontrollers/overview?hl=zh-cn
3.CMSIS-NN v6.0.0 Release Note：
https://github.com/ARM-software/CMSIS-NN/releases/tag/v6.0.0
4.Ruby下载页面：
https://www.ruby-lang.org/zh\_cn/downloads/
END
作者：黄工
来源：strongerHuang
推荐阅读
欢迎大家点赞留言，更多Arm技术文章动态请关注极术社区嵌入式客栈专栏欢迎添加极术小姐姐微信（id:aijishu20)加入技术交流群，请备注研究方向。
