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
西瓜籽@12 分钟前
STM32——毕设基于单片机的多功能节能窗控制系统
stm32·单片机·课程设计
Chef_Chen2 小时前
从0开始机器学习--Day17--神经网络反向传播作业
python·神经网络·机器学习
极客小张3 小时前
基于STM32的智能充电桩:集成RTOS、MQTT与SQLite的先进管理系统设计思路
stm32·单片机·嵌入式硬件·mqtt·sqlite·毕业设计·智能充电桩
羊小猪~~4 小时前
神经网络基础--什么是正向传播??什么是方向传播??
人工智能·pytorch·python·深度学习·神经网络·算法·机器学习
m0_739312876 小时前
【STM32】项目实战——OV7725/OV2604摄像头颜色识别检测(开源)
stm32·单片机·嵌入式硬件
嵌入式小章6 小时前
基于STM32的实时时钟(RTC)教学
stm32·嵌入式硬件·实时音视频
TeYiToKu6 小时前
笔记整理—linux驱动开发部分(9)framebuffer驱动框架
linux·c语言·arm开发·驱动开发·笔记·嵌入式硬件·arm
基极向上的三极管7 小时前
【AD】3-4 在原理图中放置元件
嵌入式硬件
徐嵌8 小时前
STM32项目---水质水位检测
stm32·单片机·嵌入式硬件
徐嵌8 小时前
STM32项目---畜牧定位器
c语言·stm32·单片机·物联网·iot