描述

介紹

在這個項目中，我將解釋我將 ResNet18 模型轉換為 AWNN 以在 Maix-II 板中進行推理的步驟。

筆記。該項目中使用的所有文件、模型和腳本都可以在該驅動器中找到。

訓練模型

該模型是使用遷移學習示例訓練的，數據集可以在kaggle中找到。

該模型僅用了 10 個 epoch 就獲得了 98 的最大準確度，準確率為 7%。如果您想加載我訓練的模型，我將提供模型的權重并訪問colab notebook 。

精度最高的參數

?

轉換模型

使用經過訓練的模型，您可以使用 Neucrack 在他的教程中提供的腳本將模型轉換為 ONNX。

?

我還提供了已經轉換的模型。

現在您可以使用大雀仙提供的在線轉換器將模型從 ONNX轉換為NCNN 。注意：不要使用優化器。

?

現在您可以使用 Sipeed 提供的在線工具將模型從 NCNN 轉換為 AWNN（您需要登錄才能使用轉換器）。

在為轉換器創建 zip 文件之前，您需要驗證參數文件的輸入層是否正確，在我的例子中輸入層有缺失值。

?

您需要在輸入層中插入圖像的分辨率，在我的例子中它是 224、224，因為它是 RGB 圖像，它有 3 個通道。

?

現在您可以創建一個 zip 文件，其中包含一個圖像文件夾，其中包含用于調整轉換的圖像、bin 文件和參數文件。通過 zip 文件，您可以使用在線工具將其轉換為 AWNN 模型。

?

轉換結束后，您可以下載一個包含 de.param 和 .bin 文件的 zip 文件夾。

?

運行模型

現在你有一個.bin 和.param AWNN 文件，你必須將它們上傳到 Maix-II 板，為此我使用了 MobaXterm，你可以看到如何使用它來訪問這個項目中的文件。

但簡而言之，您必須使用串口通過 wifi 連接開發板，使用 ifconfig 發現開發板的 IP 是什么，然后使用 IP 通過 SSH 連接。

?

現在你可以創建一個文件夾并上傳 AWNN 文件，然后創建一個擴展名為 .py 的空文件，你可以進行推理，我使用的腳本在項目結束時上傳。

?

要運行腳本，您需要“cd”到inference.py文件的目錄并運行“python inference.py”。以下是電路板的一些測試。

?

?

?

?

1 / 8

?

筆記。NCNN、AWNN 模型和 zip 文件夾的文件可以在此驅動器中找到。