怎么在stm32上跑自己的神经网络

此教程为目前全网为数不多用于使用STM32实时跑神经网络结果输出的教程,不涉及原理讲解,只为帮助想在stm32上使用神经网络的朋友

基本步骤为先跑出神经网络得到xxx.h5文件,然后用cubemx把h5文件移植到stm32中,然后初始化设置输入输出,实时输入数据进行神经网络检测,需要做的工作主要有:会写或者会改神经网络代码,输出.h5文件(使用Tesoroflow产生得有版本要求,太高得可能不行),使用cubemx来移植到stm32上;初始化输入输出来使之能把数据输入到神经网络进行运算。

1、 自行上网查询stm32AI教程,网上90%的教程会教到能把官方例程跑出来,使用cubemx进行验证(跑不出来,检查步骤有无错误,时钟设置是否正确,串口设置是否正确)

2、 但如果想实时跑数据进行神经网络检测,在Cubemx上能验证是没有用的,需要在代码中设置输入输出。

3、 根据我给得输入输出初始化函数来进行初始化自己得输入输出参数,然后进行验证。

使用STM32跑神经网络需要的初始化代码:

c 复制代码
static void AI_Run(float* pIn, float* pOut)   //神经网络实时计算代码,填入输入输出数组即可
{
	ai_i32 batch;
	ai_error err;

	/* 1 - Create the AI buffer IO handlers with the default definition */
	ai_buffer ai_input[AI_NETWORK_IN_NUM] = AI_NETWORK_IN;
	ai_buffer ai_output[AI_NETWORK_OUT_NUM] = AI_NETWORK_OUT;

	/* 2 - Update IO handlers with the data payload */
	ai_input[0].n_batches = 1;
	ai_input[0].data = AI_HANDLE_PTR(pIn);
	ai_output[0].n_batches = 1;
	ai_output[0].data = AI_HANDLE_PTR(pOut);

	batch = ai_network_run(network, ai_input, ai_output);

	if (batch != 1) {
		err = ai_network_get_error(network);
		printf("AI ai_network_run error - type=%d code=%d\r\n", err.type, err.code);
//		Error_Handler();
	}
}


static void AI_Init(ai_handle w_addr, ai_handle act_addr) //初始化代码
{
	ai_error err;
	printf("AI_NETWORK_IN_NUM=%d AI_NETWORK_OUT_NUM=%d\r\n", AI_NETWORK_IN_NUM, AI_NETWORK_OUT_NUM);
	/* 1 - Create an instance of the model */
	err = ai_network_create(&network, AI_NETWORK_DATA_CONFIG);
	if (err.type != AI_ERROR_NONE) {
		printf("ai_network_create error - type=%d code=%d\r\n", err.type, err.code);
//		Error_Handler();
	}

	/* 2 - Initialize the instance */
	const ai_network_params params = AI_NETWORK_PARAMS_INIT(
		AI_NETWORK_DATA_WEIGHTS(w_addr),
		AI_NETWORK_DATA_ACTIVATIONS(act_addr)
	);

	if (!ai_network_init(network, &params)) {
		err = ai_network_get_error(network);
		printf("ai_network_init error - type=%d code=%d\r\n", err.type, err.code);
//		Error_Handler();
	}
}

給出一个可参考的伪代码(参考使用方式,以下代码无法直接跑,只是示意)实例:

c 复制代码
#include "sys.h"
#include "delay.h"

/*bsp*/
#include "usart.h" 
#include "led.h"
#include "key.h"
#include "timer.h"
#include "adc.h"
#include "arc_de.h"
#include "main.h"
#include "crc.h"
#include "usart.h"
#include "gpio.h"
#include "app_x-cube-ai.h"


/*宏定义*/


/**********************全局变量****************************/
float team_data[3] = { 0 };
float   Arc_data[DATASIZE][3] = { 0 }, FFt_Out[DATASIZE / 2] = { 0 }, minValue = 3, maxValue = 0, F_maxValue = 0, FFt_Out1[DATASIZE / 2] = { 0 }, Freqy = 0;
u16 adcx, i = 0;
u16 n = 0, m = 0;
float F_rate[3] = { 0 };
/* Reference index at which max energy of bin ocuurs */
uint32_t Index = 0;



struct  arc_eigenvalue arc_eig;
ai_handle network = AI_HANDLE_NULL;
/**********************函数申明****************************/
static void AI_Init(ai_handle w_addr, ai_handle act_addr);
static void AI_Run(float* pIn, float* pOut);



void hard_init(void)
{

}
int main(void)
{

	arm_rfft_fast_instance_f32 S;
  float aiInData[row][AI_NETWORK_IN_1_SIZE] = {};
  float aiOutData[AI_NETWORK_OUT_1_SIZE];
	ai_u8 activations[AI_NETWORK_DATA_ACTIVATIONS_SIZE];
  hard_init();
//初始化AI

  MX_CRC_Init();
  MX_X_CUBE_AI_Init();
  AI_Init(ai_network_data_weights_get(), activations);

delay_ms(1);



	while (1)
	{ 
	   AI_Run(aiInData[i], aiOutData);//实时运行
	}

}




#ifdef  USE_FULL_ASSERT



static void AI_Run(float* pIn, float* pOut)
{
	ai_i32 batch;
	ai_error err;

	/* 1 - Create the AI buffer IO handlers with the default definition */
	ai_buffer ai_input[AI_NETWORK_IN_NUM] = AI_NETWORK_IN;
	ai_buffer ai_output[AI_NETWORK_OUT_NUM] = AI_NETWORK_OUT;

	/* 2 - Update IO handlers with the data payload */
	ai_input[0].n_batches = 1;
	ai_input[0].data = AI_HANDLE_PTR(pIn);
	ai_output[0].n_batches = 1;
	ai_output[0].data = AI_HANDLE_PTR(pOut);

	batch = ai_network_run(network, ai_input, ai_output);

	if (batch != 1) {
		err = ai_network_get_error(network);
		printf("AI ai_network_run error - type=%d code=%d\r\n", err.type, err.code);

	}
}


static void AI_Init(ai_handle w_addr, ai_handle act_addr)
{
	ai_error err;
	printf("AI_NETWORK_IN_NUM=%d AI_NETWORK_OUT_NUM=%d\r\n", AI_NETWORK_IN_NUM, AI_NETWORK_OUT_NUM);
	/* 1 - Create an instance of the model */
	err = ai_network_create(&network, AI_NETWORK_DATA_CONFIG);
	if (err.type != AI_ERROR_NONE) {
		printf("ai_network_create error - type=%d code=%d\r\n", err.type, err.code);

	}

	/* 2 - Initialize the instance */
	const ai_network_params params = AI_NETWORK_PARAMS_INIT(
		AI_NETWORK_DATA_WEIGHTS(w_addr),
		AI_NETWORK_DATA_ACTIVATIONS(act_addr)
	);

	if (!ai_network_init(network, &params)) {
		err = ai_network_get_error(network);
		printf("ai_network_init error - type=%d code=%d\r\n", err.type, err.code);

	}
}
相关推荐
时光の尘13 分钟前
C语言菜鸟入门·关键字·float以及double的用法
运维·服务器·c语言·开发语言·stm32·单片机·c
嵌入式大圣2 小时前
单片机结合OpenCV
单片机·嵌入式硬件·opencv
日晨难再3 小时前
嵌入式:STM32的启动(Startup)文件解析
stm32·单片机·嵌入式硬件
yufengxinpian4 小时前
集成了高性能ARM Cortex-M0+处理器的一款SimpleLink 2.4 GHz无线模块-RF-BM-2340B1
单片机·嵌入式硬件·音视频·智能硬件
代码不行的搬运工4 小时前
神经网络12-Time-Series Transformer (TST)模型
人工智能·神经网络·transformer
__基本操作__5 小时前
历遍单片机下的IIC设备[ESP--0]
单片机·嵌入式硬件
zy张起灵11 小时前
48v72v-100v转12v 10A大功率转换电源方案CSM3100SK
经验分享·嵌入式硬件·硬件工程
PegasusYu14 小时前
STM32CUBEIDE FreeRTOS操作教程(九):eventgroup事件标志组
stm32·教程·rtos·stm32cubeide·free-rtos·eventgroup·时间标志组
秀儿还能再秀15 小时前
神经网络(系统性学习三):多层感知机(MLP)
神经网络·学习笔记·mlp·多层感知机
老艾的AI世界16 小时前
AI翻唱神器,一键用你喜欢的歌手翻唱他人的曲目(附下载链接)
人工智能·深度学习·神经网络·机器学习·ai·ai翻唱·ai唱歌·ai歌曲