NNIE介绍-matlab读取串口数据并显示曲线的实现示例
在这个教程中,我们关注的是海思公司的NNIE(Neural Network Inference Engine),它是一个专门为深度学习和卷积神经网络设计的高性能硬件加速器,内置在海思媒体SoC中。NNIE支持多种常见的神经网络架构,包括Alexnet、VGG16、Googlenet、Resnet系列、Faster R-CNN、YOLO、SSD和SegNet等,旨在提高图像分类、目标检测和场景分割等任务的执行效率。
使用NNIE的关键在于其配套的工具链,主要包括以下组成部分:
1. **nnie_mapper**:这个工具(位于nie1.1目录下)是将开源深度学习框架(如TensorFlow、PyTorch等)训练得到的模型转换为能在Hi35xx芯片或仿真环境中运行的wk格式数据指令文件。这个过程对于不同框架的模型兼容性至关重要,因为NNIE目前主要支持Caffe框架。
2. **仿真库**:在software\x64目录下,提供了仿真库,用于模拟NNIE硬件的行为,用户可以在PC环境下使用,无需实际硬件,便于调试和原型开发。两种版本可供选择:Visual Studio和MinGW版,后者集成在RuyiStudio中,方便开发者进行集成开发环境的工作。
3. **Sample工程**:位于software\sample目录,包含完整的配置和源代码,供开发者参考和学习如何将模型导入RuyiStudio,并利用NNIE进行开发。
4. **Ruyi Studio**:这是一个集成的Windows版IDE工具,它集成了Windows版的NNIE mapper、仿真库以及代码编辑、编译、调试、执行、结果可视化(如显示曲线)等功能,极大地简化了开发者的工作流程。
使用这些工具时,需要注意以下几点:
- 所有使用的网络模型需先在支持的框架(如Caffe)下训练完成。
- 在迁移模型至NNIE之前,可能需要进行模型优化和适配,以确保在硬件上的高效运行。
- 开发过程中,务必遵守版权和商标声明,确保合法使用。
此外,文档还强调了版权和保密信息的重要性,以及在使用过程中可能会遇到的产品版本更新、安全警告等内容。本文档的目标用户是技术支持工程师和软件开发工程师,旨在帮助他们充分理解和利用HiSVP的特性来开发智能解决方案。
学习如何通过MATLAB读取串口数据并与NNIE结合,展示模型的输出曲线,不仅涉及到了硬件加速器的使用,还包含了软件开发流程和工具链的配合,这对于在实际项目中有效利用NNIE资源具有重要意义。