Github：https://github.com/EdgeAIWithRTT/Project7-Cifar10_Cube_Art-Pi

RT-AK 及 Art-Pi 簡介

目前該項目為 RT-AK 的示例 Demo，基于 ART-PI 硬件平臺和 Cifar10 數據集。

RT-AK： RT-Thread AI Toolkit，RT-Thread AI 套件。

RT-AK 是 RT-Thread 團隊為 RT-Thread 實時操作系統所開發的 AI 套件，能夠一鍵將 AI 模型部署到 RT-Thread 項目中，讓用戶可以 在統一的 API 之上進行業務代碼開發，又能在目標平臺上獲極致優化的性能，從而更簡單方便地開發端側 AI 應用程序。

在 RT-AK 支持下，僅需要一行命令，即可將 AI 模型部署到 RT-Thread 系統中：

1$ python rt_ai_tools.py --model xxx.。。

我們將致力于降低嵌入式 AI 落地的難度和門檻。

Art-Pi：

使用 Tensorflow2.5.0 進行模型量化

我們已提供 keras 模型量化為 tflite 模型的代碼 鏈接。注意一定要下載 tensorflow2.5.0 及以上版本，否則會轉化失敗。該鏈接中還有量化后的 tflite 的推理代碼。目錄如下：

一。 將 Cifar10 分類模型 部署至 Art-Pi （不搭建LCD）

1. 項目總結

該項目不需要任何驅動，僅將 AI 模型部署至 Art-Pi 硬件平臺，并利用其元件進行 AI 模型推理，最后在終端輸出模型推理結果相關信息。

2. 空項目工程創建

該項目是基于 ART-PI 的模板工程，初始工程來于 RT-Thread 新建工程

經過 RT-AK 轉換之后得到的一個完整的項目工程

3. RT-AK 的使用

cd 到 aitools.py 所在目錄，打開 cmd 命令行窗口，輸入以下命令即可獲得集成 AI 模型的完整項目工程。

1python aitools.py --project=C:UsersAdminDesktopArt-Pi_cifar10_without_lcd

2--model=C:UsersAdminDesktopArt-piArt-Pi_cifar10modelcifar10_int8.tflite

3--model_name=cifar10

4--platform=stm32

5--ext_tools=C:UsersAdminDesktopRTAK-toolsstm32ai-windows-5.2.0windows # x_cube_ai 工具

4. 集成 AI 模型的項目工程的編譯和燒錄

這里我們使用 RT-Thread Studio 進行編譯和燒錄

5. AI 應用開發

我們提供了一個實例代碼 cifar10_app.c，在終端命令行中輸入 cifat10_app.c，即可獲得輸出

6. 自定義數據

該項目提供了自定義數據生成代碼 save_img.py

二。 將 Cifar10 分類模型 部署至 Art-Pi， 并搭建LCD

1. 項目總結

該項目應用了 LCD 驅動相關代碼，使用 RT-AK 將 AI 模型部署至 Art-Pi 硬件平臺之后，利用其元件進行 AI 模型推理， 并對模型輸出結果進行處理，最后將模型輸入圖片和輸出相關信息顯示到 LCD 上。

使用 RT-Thread Studio 創建的空白工程不包含 LCD 驅動代碼，所以務必使用我們提供的模板工程。

2. RT-AK 的使用

RT-AK 的 gitlab 倉庫已經開源，可以自行到倉庫上克隆到本地 PC。

cd 到 RT-AK 的 rt_ai_tools 文件夾， 在目錄輸入 cmd 打開命令行窗口。其中 aitools.py 是核心代碼，使用改代碼我們可以輸入相關命令參數即可快速將 AI 模型 部署至支持的硬件平臺上面。

在 cmd 命令行窗口輸入以下命令，參數很好理解，看名字就知道它的意思了。

1python aitools.py --project=C:UsersAdminDesktopArt-Pi_cifar10_with_lcd

2--model=C:UsersAdminDesktopArt-piArt-Pi_cifar10modelcifar10_int8.tflite

3--model_name=cifar10

4--platform=stm32

5--ext_tools=C:UsersAdminDesktopRTAK-toolsstm32ai-windows-5.2.0windows # x_cube_ai 工具

運行結果：

通過這部轉換，我們得到的項目工程就集成了 AI 模型， 然后我們可以在上面做相關應用開發，最后編譯和燒錄到開發板上。

我們需要在 applications 中書寫我們的應用代碼，我們給出一個示例 cifar10_app.c ，下面介紹下里面的文件：

1卷 軟件 的文件夾 PATH 列表

2卷序列號為 E67E-D1CA

3D：。

4 cifar10_app.c // ai 模型推理應用代碼實現5 main.c // artpi LED 閃爍燈例程原 main 函數，未改動6 rt_ai_cifar10_model.c // 與 STM32 平臺相關的模型聲明文件7 rt_ai_cifar10_model.h // 存放 ai 模型輸入輸出等相關信息文件8 SConscript

3. cifar10_app.c 核心代碼和自定義數據

3. 1 核心代碼

頭文件：

模型輸入數據和 LCD 顯示的數據：（兩者大小不同，Art-Pi 中的 LCD 尺寸為 320x240， 所以顯示的圖片尺寸要滿足這個大小，而模型輸入大小則根據具體模型而言，該項目中的 cifar10 模型輸入數據大小為 32x32）

模型運行核心代碼：

1// cifar10_app.c 2 3.。。

4 5// 注冊模型的代碼在 rt_ai_cifar10_model.c 文件下的第43行，代碼自動執行 6// 模型的相關信息在 rt_ai_cifar10_model.h 文件 7// find a registered model handle 8model = rt_ai_find（RT_AI_CIFAR10_MODEL_NAME）; // 找到模型 9.。。

10result = rt_ai_init（model， work_buffer）; // 初始化模型，傳入輸入數據11.。。

12result = rt_ai_run（model， ai_run_complete， &ai_run_complete_flag）; // 模型推理一次13.。。

14/* 獲取模型輸出結果 */15uint8_t *out = （uint8_t *）rt_ai_output（model， 0）;

3. 2 自定義數據集

如何使用自己的圖片，生成可以在 Art-Pi 中運行的數據？我們已經提供數據生成代碼 save_img.py。目錄如下

在 svae_img.py 文件中修改參數，相關輸入會打印到對應 .txt 文件中。然后將 .txt 文件中的信息復制到 cifar10_app.c 文件中，修改參數即可。

4. 集成 AI 模型的項目工程的編譯和燒錄

這里我們使用 RT-Thread Studio 進行編譯和燒錄：

5. 效果呈現

開機屏幕是白色的，當在終端輸入 cifar10_app 之后會有 1s 的 logo 顯示，然后黑屏。之后終端輸出推理結果。

編輯：jq