怎么练习一个有用的eIQ根本分类模型

一、概述。

eIQ Neutron神经处理单元(NPU)是一种高度可扩展的加快器中心架构，供给ML加快。与传统。MCU。Kine。ti。s、。LPC。系列比较，MCX N系列初次集成了恩智浦 eIQ Neutron神经处理单元(NPU)，用于。机器学习。(ML)加快。比较独自的。CPU。核，eIQ Neutron NPU能够供给高达42倍的机器学习推理功能，MCX N94x每秒能够履行4.8 G次运算，使其能够高效地运行在 MCX CPU和eIQ Neutron NPU上。 eIQPortal它是一个直观的图形用户界面(GUI)，简化了ML开发。开发人员能够创立、优化、调试和导出ML模型，以及导入数据集和模型，快速练习并布置。神经网络。模型和ML作业负载。

在本文中，咱们将讨论怎么练习一个有用的eIQ根本分类模型，并将其成功布置到MCX N947设备上。

硬件。环境：

开发板FRDM-MCXN947。

显现屏3.5"。 TF。T LCD(P/N PAR-LCD-S035)。

摄像头OV7670。

软件环境：

eIQ Portal:eIQ MLSoftware Development Environment |。 NXP。Sem。ic。onductors。

MCUXpressoIDE v11.9.0。

Application Code Hub Demo: Label CIFAR10 image。

二、根本模型分类练习及布置。

主要内容分为三步：模型练习、模型转化和模型布置。

1.数据集预备。

数据集为简略演示apple、banana两分类，练习集、测验集份额为8:2，依据eIQ_Toolkit_UG.pdf说到的3.3.2 Structured folde。rs。dataset：

文件夹结构如下：

注：数据集需依照以上文件夹格局设置。

2. 创立工程及数据集导入eIQ。

(1) 翻开eIQ Portal东西，点击create project->import dataset：

(2) 以StructuredFolders导入：

(3) 点击“IMPORT”后，挑选工程保存途径，点击“保存”：

3.挑选base models练习。

(1)数据集导入后，点击select model，挑选base models，修正input size为128,128,3：

(2)点击start tr。ai。ning。注：其他。参数。依据需求进行设定即可，此处learning ra。te。、batch size、epoch为默认值，此处为演示，练习一轮，用户能够依据需求练习模型到达使用要求。练习完结如下：

舒畅精度一向不合格，能够经过修正各练习参数，或许更新练习数据，再次点击CONTINUE TRAINING继续进行练习。

4.模型评价VALIDATE。

(1) 点击VALIDATE，进入模型评价，设置参数Softmax，input DataType和output Data Type，现在MCXN系列Neutron NPU只支撑int8类型，挑选Softmax函数的阈值是一个需求归纳考虑多种要素的进程，应该依据详细的使用场景和功能方针来决议最合适的阈值，在实践操作中，需求经过屡次试验和调整来找到最佳的阈值：

(2).设置完结后，点击VALIDATE，等候生成混杂矩阵，经过混杂矩阵咱们能够明晰看出不同类别的分类状况，图中x轴是猜测的。标签。，y轴是实践的标签，能够看到每一张图片猜测标签和实践标签的对应状况：

5.模型导出。TensorFlow。Lite。

(1) 点击DEPLOY，设置Export file Type，input Data Type和output Data Type，翻开Export Quantized Model，然后点击Export Model：

(2).设置模型保存方位，点击保存：

6.转化Tens。or。Flow Lite for Neutron (.tflite)。

(1) 保存完结后，点击open model，能够检查模型结构：

(2) 点击convert，挑选TensorFlow Lite for Neutron (.tflite)：

(3) 挑选Neutron Target，点击convert，设置保存途径即可：

7.将模型布置到Label CIFAR10 image工程。

此示例根据机器学习。算法。，由 MCXN947 供给支撑， 它能够符号来自相机的图画，并在LCD底部显现物体的类型。

该模型在数据集CIFAR10上进行练习，它支撑 10 类图画：

“飞机”、“轿车”、“鸟”、“猫”、“鹿”、“狗”、“青蛙”、“马”、“船”、“货车”。

(1) 翻开MCUXpresso IDE，从Application Code Hub导入Label CIFAR10 image工程：

(2) 挑选工程，点击GitHub Link->Next：

(3).设置保存途径，Next->Next->Finish：

(4).导入成功后，点击“source”文件夹->model文件夹，翻开model_data.s，将最终经过eiq转化的模型文件复制到model文件下，在model_data.s修正导入模型的称号(转化模型的称号)：

注：工程中导入的模型是经过屡次练习得到的模型。

(5) 点击“source”文件夹->model文件夹->翻开labers.h文件，修正labers[ ]，标签签定为eIQ中数据集显现的签定 ：

(6) 编译工程，下载。到开发板。

三、试验成果。

四、总结。

关于期望在MCX N系列边际设备上完成高效机器学习使用的开发人员来说，把握这些技能和东西是至关重要的。

经过高效使用eIQ Neutron NPU的强壮功能和eIQ Portal的快捷东西，开发人员能够大大简化从模型练习到布置的整个进程。这不只加快了机器学习使用的开发周期，还提升了使用的功能和可靠性。

作者：王浩 杨聪哲。

内容来源：https://sonybravia.xyz/app-1/soi kèo uc,http://chatbotjud.saude.mg.gov.br/app-1/aposta-ganha-bet