TinyMaix在x210开发板上的移植

news2025/1/11 17:04:26

目录

说明

环境准备

编译代码

源程序下载

修改tm_port.文件

修改CMake文件

测试程序运行

说明

我们教学中使用的x210开发板使用S5PV210这款CPU，它是根据三星的smdkv210开发板进行裁剪设计的，这个开发板非常的老了，不过在有经费购买新的开发板之前，仍然需要最大限度发掘它的能力。由于开发板的系统非常老，很多新的系统像TensorFlow Lite或者NCNN都无法在其上正常运行，所以我们尝试把嵌入式推理框架移植TinyMaix到x210开发板上。

TinyMaix是面向单片机的超轻量级的神经网络推理库，即TinyML推理库，可以在任意单片机上运行轻量级深度学习模型。有关TinyMaix的说明参见：TinyMaix/README_ZH.md at main · sipeed/TinyMaix · GitHubTinyMaix is a tiny inference library for microcontrollers (TinyML). - TinyMaix/README_ZH.md at main · sipeed/TinyMaixicon-default.png?t=N7T8https://github.com/sipeed/TinyMaix/blob/main/README_ZH.md

环境准备

编译本软件所采用的是arm-2014.05-29交叉编译工具。

在Linux虚拟机中需要安装cmake，可以使用以下命令：

sudo apt‐get install cmake

编译代码

源程序下载

源代码下载地址：GitHub - sipeed/TinyMaix: TinyMaix is a tiny inference library for microcontrollers (TinyML).TinyMaix is a tiny inference library for microcontrollers (TinyML). - sipeed/TinyMaixicon-default.png?t=N7T8https://github.com/sipeed/TinyMaix/tree/main

修改tm_port.文件

移植时需要先修改include/tm_port.h文件的内容如下：

#define TM_ARCH         TM_ARCH_NEON

如果希望提高程序运行的速度，也可以修改以下内容：

#define TM_OPT_LEVEL    TM_OPT1

修改CMake文件

TinyMaix目录下的CMakeList.txt文件负责编译TinyMaix的核心文件为静态库。Examples目录下的每个子目录中的CMakeList.txt文件负责编译对应的示例为可执行文件。下面以minist示例说明如何修改CMakeList.txt文件。用文本编辑器打开文件，并修改如下内容：

set(PREFIX "arm-none-linux-gnueabi-")
set(CMAKE_C_COMPILER "${PREFIX}gcc")
set(CMAKE_CXX_COMPILER "${PREFIX}g++")

project(minist)

set(CMAKE_AR "${PREFIX}ar")
set(CMAKE_RANLIB "${PREFIX}ranlib")
set(CMAKE_STRIP "${PREFIX}strip")

set(CMAKE_C_STANDARD 99)

set(CMAKE_C_FLAGS "${CMAKE_C_FLAGS} -O3 ")
set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -O3 ")

修改文件后，执行以下命令即可：

cmake ./CMakeList.txt
make

测试程序运行

将minist文件拷贝到开发板上，然后执行即可得到推理结果。这个结果就是对一个像素点阵的内容进行数字的识别，识别的结果是数字2。

[root@x210v3 ~]# /mnt/minist

mnist demo

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,116,125,171,255,255,150, 93,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,169,253,253,253,253,253,253,218, 30,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,169,253,253,253,213,142,176,253,253,122,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0, 52,250,253,210, 32, 12,  0,  6,206,253,140,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0, 77,251,210, 25,  0,  0,  0,122,248,253, 65,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0, 31, 18,  0,  0,  0,  0,209,253,253, 65,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,117,247,253,198, 10,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0, 76,247,253,231, 63,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,128,253,253,144,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,176,246,253,159, 12,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0, 25,234,253,233, 35,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,198,253,253,141,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0, 78,248,253,189, 12,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0, 19,200,253,253,141,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,134,253,253,173, 12,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,248,253,253, 25,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,248,253,253, 43, 20, 20, 20, 20,  5,  0,  5, 20, 20, 37,150,150,150,147, 10,  0,

  0,  0,  0,  0,  0,  0,  0,  0,248,253,253,253,253,253,253,253,168,143,166,253,253,253,253,253,253,253,123,  0,

  0,  0,  0,  0,  0,  0,  0,  0,174,253,253,253,253,253,253,253,253,253,253,253,249,247,247,169,117,117, 57,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,118,123,123,123,166,253,253,253,155,123,123, 41,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,

================================ model stat ================================

mdl_type=0 (int8))

out_deq=1

input_cnt=1, output_cnt=1, layer_cnt=6

input 3dims: (28, 28, 1)

output 1dims: (1, 1, 10)

main buf size 1464; sub buf size 0

//Note: PARAM is layer param size, include align padding



Idx     Layer            outshape       inoft   outoft  PARAM   MEMOUT OPS

---     Input            28, 28,  1     -       0       0       784     0

###L71: body oft = 64

###L76: type=0, is_out=0, size=152, in_oft=0, out_oft=784, in_dims=[3,28,28,1], out_dims=[3,13,13,4], in_s=0.004, in_zp=-128, out_s=0.016, out_zp=-128

###L88: Conv2d: kw=3, kh=3, sw=2, sh=2, dw=1, dh=1, act=1, pad=[0,0,0,0], dmul=0, ws_oft=80, w_oft=96, b_oft=136

000     Conv2D           13, 13,  4     0       784     72      676     6084

###L71: body oft = 216

###L76: type=0, is_out=0, size=432, in_oft=784, out_oft=0, in_dims=[3,13,13,4], out_dims=[3,6,6,8], in_s=0.016, in_zp=-128, out_s=0.016, out_zp=-128

###L88: Conv2d: kw=3, kh=3, sw=2, sh=2, dw=1, dh=1, act=1, pad=[0,0,0,0], dmul=0, ws_oft=80, w_oft=112, b_oft=400

001     Conv2D            6,  6,  8     784     0       352     288     10368

###L71: body oft = 648

###L76: type=0, is_out=0, size=1360, in_oft=0, out_oft=1400, in_dims=[3,6,6,8], out_dims=[3,2,2,16], in_s=0.016, in_zp=-128, out_s=0.057, out_zp=-128

###L88: Conv2d: kw=3, kh=3, sw=2, sh=2, dw=1, dh=1, act=1, pad=[0,0,0,0], dmul=0, ws_oft=80, w_oft=144, b_oft=1296

002     Conv2D            2,  2, 16     0       1400    1280    64      4608

###L71: body oft = 2008

###L76: type=1, is_out=0, size=48, in_oft=1400, out_oft=0, in_dims=[3,2,2,16], out_dims=[1,1,1,16], in_s=0.057, in_zp=-128, out_s=0.022, out_zp=-128

003     GAP               1,  1, 16     1400    0       0       16      64

###L71: body oft = 2056

###L76: type=2, is_out=0, size=304, in_oft=0, out_oft=1448, in_dims=[1,1,1,16], out_dims=[1,1,1,10], in_s=0.022, in_zp=-128, out_s=0.151, out_zp=42

###L97: FC: ws_oft=64, w_oft=104, b_oft=264

004     FC                1,  1, 10     0       1448    240     10      160

###L71: body oft = 2360

###L76: type=3, is_out=1, size=48, in_oft=1448, out_oft=0, in_dims=[1,1,1,10], out_dims=[1,1,1,10], in_s=0.151, in_zp=42, out_s=0.004, out_zp=-128

005     Softmax           1,  1, 10     1448    0       0       10      60



Total param ~1.9 KB, OPS ~0.02 MOPS, buffer 1.4 KB



===tm_run use 0.000 ms

0: 0.004

1: 0.004

2: 0.996

3: 0.004

4: 0.000

5: 0.000

6: 0.004

7: 0.004

8: 0.004

9: 0.004

### Predict output is: Number 2, prob 0.996

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1635865.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

如何进行面向对象分析、面向对象设计和面向对象编程

如何进行面向对象分析、面向对象设计和面向对象编程

目录 1.引言 2.案例介绍和难点剖析 3.如何进行面向对象分析 4.如何进行面向对象设计 5.如何进行面向对象编程 6.总结 1.引言 面向对象分析(OOA)、面向对象设计(00D)和面向对象编程(OOP)是面向对象开发的3个主要环节。 在以往的工作中，作者发现，很多…
阅读更多...
one command each day on Linux

one command each day on Linux

url address 1.12) grep Linux下面查找文本命令grep, 类似于Window编辑器的ctrlF查找我们想要的内容, PS:对比learning skill 看一下它的基础用法,准备一个目录文件和文本文件, 打印出这个单词,或者包含有这个字母的所有字符串 [rootiZ2vc5lqzt23aweti4j777Z ~]# grep hel…
阅读更多...
【JAVA】part5-Java集合

【JAVA】part5-Java集合

Java 集合 Java集合概述 Java数组的局限性 数组初始化后大小不可变；数组只能按索引顺序存取。 Java的java.util包主要提供了以下三种类型的集合： List：一种有序列表的集合，例如，按索引排列的Student的List&#xff1b…
阅读更多...
我们到底需要什么样的 BTC 一层协议？

我们到底需要什么样的 BTC 一层协议？

在之前的一篇文章里 -- 《Runes 协议上线五天，大家在 FUD 什么？》，我简单分析了大家对 Runes 协议 FUD 的底层原因：目前的一层协议只是支持了毫无新鲜叙事的资产滥发，并没有实现让资产流动起来的更大价值。也正因为除了…
阅读更多...
Vue阶段练习：初始化渲染、获取焦点

Vue阶段练习：初始化渲染、获取焦点

阶段练习主要承接Vue 生命周期-CSDN博客 ，学习完该部分内容后，进行自我检测，每个练习主要分为效果显示、需求分析、静态代码、完整代码、总结 四个部分，效果显示和准备代码已给出，我们需要完成“完整代码”部分。 练习…
阅读更多...
C#调用skiasharp操作并绘制图片

C#调用skiasharp操作并绘制图片

之前学习ViewFaceCore时采用Panel控件和GDI将图片及识别出的人脸方框和关键点绘制出来，本文将其修改为基于SKControl和SKCanvas实现相同的显示效果并支持保存为本地图片。   新建Winform项目，在Nuget包管理器中搜索并安装一下SkiaSharp和ViewFaceCore…
阅读更多...
Ubuntu安装Neo4j

Ubuntu安装Neo4j

Ubuntu（在线版） 更新软件源 sudo apt-get update 添加Neo4j官方存储库 wget -O - https://debian.neo4j.com/neotechnology.gpg.key | sudo apt-key add - 将地址添加到系统的软件包源列表中 echo deb https://debian.neo4j.com stable latest | su…
阅读更多...
.NET操作 Access （MSAccess）

.NET操作 Access （MSAccess）

注意：新项目推荐 Sqlite ，Access需要注意的东西太多了，比如OFFICE版本，是X86还是X64 连接字符串 ProviderMicrosoft.ACE.OleDB.15.0;Data Source"GetCurrentProjectPath"\\test.accdb//不同的office版本 连接字符串有…
阅读更多...
Mellanox网卡打流命令ib_write_bw执行遇到Couldn‘t listen to port 18515原因与解决办法？

Mellanox网卡打流命令ib_write_bw执行遇到Couldn‘t listen to port 18515原因与解决办法？

要点 要点： ib默认使用18515命令 相关命令： netstat -tuln | grep 18515 ib_write_bw --help |grep port# server ib_write_bw --ib-devmlx5_1 --port 88990 # client ib_write_bw --ib-devmlx5_0 1.1.1.1 --port88990现象： 根因&#xf…
阅读更多...
Spring Boot的热部署工具“AND”Swagger测试工具

Spring Boot的热部署工具“AND”Swagger测试工具

Spring Boot的热部署&Swagger测试页面的使用 热部署指的是在项目无需重启的情况下，只需要刷新页面，即可获得已经修改的样式或功能。要注意该工具一般用于开发环境，在生产环境中最好不要添加这个工具。 对于无需重启便可刷新这么方便的工…
阅读更多...
JAVA面试题分享---多线程与线程池

JAVA面试题分享---多线程与线程池

多线程 什么是线程?线程和进程的区别?（了解） 线程：是进程的一个实体，是 cpu 调度和分派的基本单位，是比进程更小的 可以独立运行的基本单位。 进程：具有一定独立功能的程序关于某个数据集合上的一次运…
阅读更多...
edge 入门基础了解使用

edge 入门基础了解使用

随着Windows 11的发布，Microsoft Edge也迎来了新的更新和改进。作为一名长期使用Edge的用户，我不仅注意到了这些表面的变化，还深入研究了Edge在Windows 11上的新特性和潜在优势。 快捷方式 查找框 在Microsoft Edge浏览器中，按…
阅读更多...
经典网络解读——EfficientnetV2

经典网络解读——EfficientnetV2

论文：EfficientNetV2: Smaller Models and Faster Training（2021.4） 作者：Mingxing Tan, Quoc V. Le 链接：https://arxiv.org/abs/2104.00298 代码：https://github.com/google/automl/tree/master/efficien…
阅读更多...
Docker容器---docker-Consul部署

Docker容器---docker-Consul部署

一、Docker-consul简介 1、概述 consul是google开源的一个使用go语言开发的服务管理软件。支持多数据中心、分布式高可用的、服务发现和配置共享。采用Raft算法，用来保证服务的高可用。内置了服务注册与发现框架、分布一致性协议实现、健康检查、Key/Value存储、多…
阅读更多...
一、交换网络基础

一、交换网络基础

目录 1.交换机的转发行为 2.数据帧的类型 3.ARP地址解析步骤 Hub：物理层设备 交换机：数据链路层设备 1.交换机的转发行为 泛洪（Flooding）（有可能是单播帧（未知单播帧），也有可能是…
阅读更多...
一文解决ArcGIS生成点和管段 含案例讲解

一文解决ArcGIS生成点和管段 含案例讲解

背景 在工作中，我们经常遇到要将坐标数据导入 GIS，生成点位，若是地理坐标系（经纬度），那么直接用 arcgis或者QGIS 导入数据就行了，可实际中总会遇到各种问题： 坐标数据集为大地 200…
阅读更多...
SQLite数据库添加密码

SQLite数据库添加密码

背景： 最近发现软件在运行过程中，数据库文件暴露在外面，而且直接拷贝后就能打开，发现这样来说数据并不是很安全我使用的开发环境是VS QT，使用navicat创建了一个数据库准备 百度搜索了一些资料和博客，发现…
阅读更多...
kube-prometheus部署到 k8s 集群

kube-prometheus部署到 k8s 集群

文章目录 **修改镜像地址****访问配置****修改 Prometheus 的 service****修改 Grafana 的 service****修改 Alertmanager 的 service****安装****Prometheus验证****Alertmanager验证****Grafana验证****卸载****Grafana显示时间问题** 或者配置ingress添加ingress访问grafana…
阅读更多...
《深入解析WIndows操作系统》第9章读书笔记

《深入解析WIndows操作系统》第9章读书笔记

1、闪存类型：常见的闪存类型有NOR和NAND。NOR闪存在操作上最接近RAM，它的每个字节都可以被独立地寻址，而NAND闪存则被组织成以块为单位，就像磁盘一样。NOR类型的闪存用来设计保存计算机主板上的BIOS，而NAND类型的闪存被…
阅读更多...
Go语言的包管理工具go mod与之前的GOPATH有什么区别？

Go语言的包管理工具go mod与之前的GOPATH有什么区别？

在深入探讨Go语言的包管理工具go mod与之前的GOPATH之间的区别之前，我们首先需要理解这两个概念各自的作用和背景。 GOPATH时代 在Go语言早期版本中，GOPATH是一个非常重要的环境变量。它告诉Go工具链在哪里查找你的Go代码、第三方库以及编译后的二进制…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023