成果nncu user guide主要致谢

NNCU(NNtoolkitforMCU)主要致谢：，，，NNCU(NNtoolkitforMCU)提供了的工具，使您可以方便地在NXPCortex-MMCU上运行神经网络，包括i.MXRT,LPC,Kinetis。NNCU有以下主要功能： 如您所见，我们已经提供了一些转换好的模型。咱们先选 我们也预制了一些测试文件。确保您选择了与模型相对应的测试文件。这里，我们选现在我们选好了转换后的模型文件和测试向量文件，可以点击”干活！”按钮了，这会把它们MCU测试工程下，并重命名为”model.nncu.c”和”tv.nctv.c”，它们将会被编译并到测试用的固件中。点击“干活！”按钮后，一个命令窗口一闪而过即已完成。Testoni.MXRT1050/60i.MXRT1050/60EVK板为例。按下图配置EVK:打开一个终端仿真软件，例如putty, 于.\test_mcu\boards\evkmimxrt1060\demo_apps\nncie_stub\mdk\nncie_stub.uvprojx的KEIL工程，生成并代码（默认是到SDRAM。进入调试会话后，按”F5”按钮来运试程序，下图是一个：MCU测试工程(.nncu,MCU测试工程(.nncu,制作测试向量文件(.nctv,制作测试向量文件(.nctv,获取预训练的模型(.h5,获取预训练的模型(.h5,测试当发现更好在当前最好模型(.nncu,更新MCU测试工程测试当发现更好在当前最好模型(.nncu,更新MCU测试工程 主要使用卷积层并且有30%的随机丢弃率。频变换后得到的时域信号的频谱图，亦或是任何以图像方式处理的多笔时域数据。NNCU已经支持了几种常但只支持某段的估算，如18岁至39岁。Logistic/阳性判别:根据“分界线概率”使用Logistic回归的方式判定还是阳性，其实是127表达为[0,1-1/128]步幅为1/128。 通常在1分钟内即可转换完毕并且这个窗口自动，您也可以在nncuGUI 制上面生成令行再粘贴进来手动执行，以完整观察命令行上都跑了些啥。 会调用另一个pythonscript:test_file_gen.py，我在它退出前截下了图： 式定义的二进制内容以便应用在C工程中，共同链入固件并烧到Flash中直接使用。提到了。这个工作其实就是把.nncu.c和.nctv.c到MCU测试工程下并按以下方式改名：xxx.nncu.c->model.nncu.cxxx.nctv.c-> NNCUGUI(.\nncu_pc\nncuguiset.ini),下次启动时此外，您也可以把设置到指定的配置文件中，通过点击“另存为…”即可，NNCU自动以数据集的名称若要“来真的”，您需要用实时的数据来替换.nctv.c测试文件中的离线数据（虽然也可以是真分用满宝贵的256等级分辨能力。量化后表达范围与分辨粒度的关系如下：表达范围128/2shift_index分辨粒度（步长）1适的移位指数是3。修改.\nncu_pc\loaddata.py“<datasetname>_load_data”函数，返回部分数据样本. 。如果您查看loaddata.py，会看到已经写好的cifar10_load_data函数。表示测试样本上的精度为81.78%。集，这是另一种“过拟合”呢！因此，最好使测试向量不要过少，例如500个以上，层数越多，有个经验是需要“300+需要量化的层数*10”个。凡是数学上会输出无限值域的层，都算是“需层时，移位指数不需要小于7。Tanh也是如出一辙。考“附录A:模型量化专题注：以下内容需要您有少量的Python基础即可理解并照猫画虎，实在没有的话不妨花大半天一下5.25.2.1。。对接到NNCU的测试向量制作，建议提取的数据制作成2个numpy数组文件(“.npy”)，例如x.npy和y.npy，分别对应输入数据和。importnumpyasfromkeras.importnumpyasfromkeras.datasetsimportdefifnot#ifminidatasetisnotyetexistthendownloadwholesetandmakemini(1,2),(xtest,ytest)=cifar10.loaddata()a=make_shuffle_int_array(len(y_test))x2=xtest[:5000];y2=yforiinx2[i]=xtest[a[i]];y2[i]=ytest[a[i]]np.save('../datasets/cifar10/c10x.npy',x2)np.save('../datasets/cifar10/c10y.npy',y2)num_classes=x_test=np_load('../datasets/cifar10/c10x.npy').astype('int32')y_test=np_load('../datasets/cifar10/c10y.npy').astype('int32')#Normalizedatato(-1,1)asmodelexpectedx_test=x_test.astype('float32')/128-#Convertclassvectorstobinaryclassmatrices.y_test=to_categorical(y_test,num_classes)returnxtest,ytest这个先是判断有没有已经存在的迷你数据集(“datasets/cifar10/c10x.npy”)，若没有则使用值得注意的是，为了便于训练模型，尤其是输入图像的时候，常常把原始数据归一化到(-1,1)之间。以不做归一化。例如，另一个电机控制异常检测的迷你数据集mcad就没有：defdefmcadloadx_test=np_load('../datasets/mcad/x_test.npy').astype('int32')ytest=npload('../datasets/mcad/ytest.npy')returnx_test,在test_file_gen.py中添加测试样本制作函数并在主程序test_file_gen.py-ds迷你数据集名称 t测试向量数目[-c](生成C数组形式的源代defdefcifar10_gen_test(cnt=20,tvGen:NNTestGen=None,isWrCArray=False):num_classes=10x_test=np_load('../datasets/cifar10/c10x.npy').astype('int32')ytest=npload('../datasets/cifar10/c10y.npy').astype('int32')xLen=len(x_test)#substractmeanvaluewithamplificaitonof2power7：[0,256)->[128,127):[-1,1]*2**727次方倍：[0256128,12711*2**7xtest=xtest.astype('int32')-128#shuffletheorder打乱数据顺序， a=settestvectorsize.ForCIFAR10itis32x32RGB:32x32x3=3072bytes#设置测试向量长度。对于CIFAR10，是32x32RGB:32x32x3=3072字节tvGen.SetTestDataSize(xtest[0].shape[0]*xtest[0].shape[1]*xforiinx=x_test[a[i]];y=#invokeAddTestVecmethodoftvGen,withwidth,height,channels,vector,anditslabeltvGen.AddTestVec(x.shape[0],x.shape[1],x.shape[2],x,#tvGen.WriteFilewith'.'(currentpath)writes<datasetname>.nctv#tvGen.WriteFile可以在'.'(当前 )下写入<迷你数据集名>.nctv和<迷你数据集名>.nctv.ctvGen.WriteFile('.',isWrCArray)printprint('Generating%dtestsamplesfor%s'%(cnt,tvGen=NNTestGen('%s.nctv'%sDS,cnt,0,0,1,i tTV=False)ifsDS=='cifar10':tvGen.SetOutType(tvGen.OUTTYPECLS,10)cifar10_gen_test(cnt,tvGen=tvGen,isWrCArray=args.c_ary)elifsDS=='cifar100':tvGen.SetOutType(tvGen.OUTTYPECLS,100)tdefsDS=args.dataset;cntelifelifsDS=='age': gentest(cnt,w=96,sType='age',age0=18,numclasses=22,tvGen=tvGen,isWrCArray=args.cary)elifsDS=='agefull':tvGen.SetOutType(tvGen.OUTTYPERGRCLS,1) _gen_test(cnt,w=96,sType='agefull',age0=15,num_classes=40,tvGen=tvGen,elifsDS==' gentest(cnt,w=96, ',numclasses=2,tvGen=tvGen,isWrCArray=args.celifsDS=='mfn':mfngentest(cnt,tvGen=tvGen,isWrCArray=args.cary)tvGen.SetOutType(tvGen.OUTTYPE_ANG,128)elifsDS=='pqkws':tvGen.SetOutType(tvGen.OUTTYPECLS,10)elifsDS=='gesture':tvGen.SetOutType(tvGen.OUTTYPECLS,3)elifsDS=='malaria':elifsDS=='lenet':elifsDS=='fraud':fraudgentest(cnt,tvGen=tvGen,isWrCArray=args.celifsDS=='mcad':mcadgentest(cnt,tvGen=tvGen,isWrCArray=args.cprint('unsupported%s'%Logistic回归（基于概率判定/阳此需要2倍的样本数量。的API通过nncie.h提供。只要集成了解释器和命令列表数据，就具备了解算模型的基本条件了。 RT10x0上使用。它有配套的头文件”nncie.h”#include#include"nncie.h"#includeWEAKvoid*CIPort_Malloc(size_t{void*pv=malloc(size);if(pv)while(1){}}WEAKvoid (void*{}bytes,void*pvBuf){return}intintprimask=get_PRIMASK();if(nest==0){s_primask=}return}WEAKintreturn-1L;if(0==nest){}return}这里的”CIPort_DefaultReadData”用于从文件系统中一层一层地模型。如果您的确把模型放在文 对于使用单个.nncu.c的情况，调用NNCU 条API：intintCIRunModelXIP(constvoid*pcvModel,constvoid*pcvIn,void是”model1”。在nncie.h中已为您了对应的extern常量，所以对于单个模型您无需。intintCI_RunModelXIP_MTSafe(constvoid*pvModel,constvoid*pcvIn,void并发调用，将会存在多个模型解算上下文对象，每个约320字节。如要改动模型的名字，请打开对应的.nncu.c文件，把”model1”改为其它的即可。齐导致的hardfault。

下2条API:intintCI_zzCreateContextNonXIP(uint32_tmodelHandle,CI_UserContext*pUserCtx,“zzAPI无NNCU为测试样本同样提供类似的API来使用。这些API以源代码的方式放置于测试工程的”o_world.c”中。intintTestVecCreateCtxXIP(constvoid*pcvTestData,TestCtx_t*pcvTestData:指向一个数据块，表示测试向量集合，也就是在.nctv.c中定义的数组名，默认是“test1intTestVecCreateCtx(constchar*intT