知存科技存内计算芯片语音识别开发手册

"知存科技的最新版基于存内计算芯片开发板的验证语音识别训练手册，涵盖了实验环境搭建、软件包下载、环境配置、算法训练、量化、模型转换、模型烧写以及在芯片上运行推理等关键步骤。" 本文档详细介绍了如何使用知存科技的存内计算芯片开发板进行语音识别系统的开发和验证。存内计算技术是一种新兴的计算模式，它将数据存储和计算集成在同一芯片内，提高了数据处理效率和能效比，特别适用于语音识别等对实时性和功耗敏感的应用。 实验环境搭建是整个流程的第一步，主要涉及软件包的下载和开发环境的构建。对于Linux用户，推荐使用Docker来下载工具链，命令为`docker pull within/toolchain:v001.000.034`。而在Windows环境下，用户需要先安装Docker Desktop，确保操作系统版本为Win10或以上，并可能需要更新WSL（Windows Subsystem for Linux）。Docker Desktop的使用教程可以帮助用户熟悉基本操作，包括创建和管理容器。安装完成后，用户应确保获取到版本号为034的witin_toolchain，并通过测试脚本来验证环境是否配置正确。 测试环节，用户需要以管理员模式运行命令行，使用Docker运行指定的容器，并进入witin_mapper目录执行测试脚本，如`python3 tests/python/frontend/onnx/witin/wtm2101/precision/XXXX.py`，以确保环境搭建成功。 接下来的实验涉及到语音识别系统的实际开发。这包括： 1. **模块一：软件包下载及环境搭建** - 这一步已经介绍完毕，主要是为后续实验准备必要的软件和开发工具。 2. **模块二：搭建算法训练工程，完成算法训练与量化** - 在这一阶段，用户将学习如何构建语音识别的算法模型，训练模型并对其进行量化，以适应低功耗硬件的要求。 3. **模块三：算法模型转换** - 模型训练完成后，需要将其转换成适合存内计算芯片的格式，以便于在硬件上高效执行。 4. **模块四：算法模型烧写** - 这一步涉及将转换后的模型写入开发板的存储器中，为后续的推理计算做准备。 5. **模块五：算法模型在芯片运行推理** - 最后，用户将在开发板上运行算法模型，进行语音识别的实时测试，验证模型的准确性和性能。 通过这个训练手册，开发者不仅可以掌握基于存内计算芯片的语音识别系统开发流程，还能深入理解存内计算技术在实际应用中的优势和操作方法。这对于推动AI边缘计算和物联网领域的发展具有重要意义。