1987WEB视界-分享互联网热点话题和事件

您现在的位置是:首页 > 人工智能AI > 正文

人工智能AI

RT-ThreadAIkit开源:轻松实现一键部署AI模型至RT-Thread

1987web2023-08-15人工智能AI62

RT-AK 简介

RT-AK:RT-Thread AI kitRT-Thread AI套件

RT-AK 是 RT-Thread 团队为 RT-Thread 实时操作系统所开发的 AI 套件,能够一键将 AI 模型部署到 RT-Thread 项目中,让用户可以 在统一的 API 之上进行业务代码开发,又能在目标平台上获得极致优化的性能,从而更简单方便地开发端侧 AI 应用程序。

在 RT-AK 支持下,仅需要一行命令,python aitools.py --model xxx...,即可将 AI 模型部署到 RT-Thread 系统中:

详细的命令请查阅:[如何运行 aitools.py]( step1 运行rt_ai_tools/aitools.py)

开源链接:https://github.com/RT-Thread/RT-AK

示例DEMO

本教程 RT-AK 适配目标平台:STM32

以下项目为 RT-AK 的示例 Demo,基于 ART-PI 硬件平台和 Mnist 数据集。

1. 准备工作

  • Windows 10

  • Python >= 3.7

准备以下四份重要重要重要的材料:

1.1 X-CUBE-AI 介绍

  • 下载地址:

    https://st.com/zh/embedded-software/x-cube-ai.html

  • 版本:V5.2.0

(以上链接请复制至外部浏览器打开)

TO DO LIST: 最新的版本是 V6.0.0,目前使用的是 V5.2.0,稍后的 RT-AK 将会更新

X-CUBE-AISTM32Cube.AI生态系统的STM32Cube扩展软件包的一部分,能够自动转换预训练的神经网络。

X-CUBE-AI

下载界面

1.2 X-CUBE-AI 解压

下载后的文件夹界面

其中:

  • stm32ai-windows-5.2.0.zip是我们所需要,该文件夹里面存放的是X-CUBE-AI模型转换软件:stm32ai

  • STMxxx.packSTM32Cube.AI的静态库文件,无需解压,已经存在。

解压stm32ai-windows-5.2.0.zip

例:在这里我将其解压到:D:\Program Files (x86)\stm32ai-windows-5.2.0,可以在该路径下看见有一个windows文件夹。

记下该路径,重要重要重要

STM32: X-CUBE-AI 解压路径

1.3 ART-PI BSP

  1. 先打开RT-Thread Studio

  2. 新建ART-PI BSP

如果在开发板的地方,没有找到STM32H750-RT-ART-PI,请查阅:

https://github.com/RT-Thread-Studio/sdk-bsp-stm32h750-realthread-artpi/blob/master/documents/UM5002-RT-Thread%20ART-Pi%20%E5%BC%80%E5%8F%91%E6%89%8B%E5%86%8C.md

(以上链接请复制至外部浏览器打开)

RT-Thread Studio 新建 ART-PI

2. 执行步骤

Step1 运行rt_ai_tools/aitools.py

代码将会自动使用STM32Cube.AI的模型转换工具,获得一个集成了 AI 的 BSP

对,就是这么硬核,一步肝到位!

内部的流程请看源码或者plugin_stm32仓库下的readme文档

运行命令

进入edge-ai/RTAK/tools路径,运行aitools.py

1运行命令2python aitools.py --project= --model= --platform=stm32 --ext_tools= --clear34示例5python aitools.py --project="D:\RT-ThreadStudio\workspace\test" --model="./Models/keras_mnist.h5" --platform=stm32 --ext_tools="D:\Program Files (x86)\stm32ai-windows-5.2.0\windows" --clear

运行到该步骤操作已经结束,后续是补充说明。

运行命令其他参数补充说明

1指定转换模型的名称,--model_name 默认为 network2python aitools.py --project= --model=  --model_name=  --platform=stm32 --ext_tools=34保存运行 stm32ai 线程过程中产生的文件,--clear 默认为空5如果存在,则将会删除 `stm32ai` 运行时产生的工作文件夹,即`--stm_out`6python aitools.py --project= --model= --platform=stm32 --ext_tools=78指定保存运行日志, --log默认为空9python aitools.py --project= --model= --log=./log.log --platform=stm32 --ext_tools=1011指定保存的文件夹名称,--stm_out 默认是当天时间,比如./2021022312python aitools.py --project= --model= --platform=stm32 --ext_tools= --stm_out 1314指定生成的 c-model 名,--c_model_name 默认是network15python aitools.py --project= --model= --platform=stm32 --ext_tools= --c_model_name=

运行参数详细说明

  • 主函数参数部分

  • STM32 平台插件参数部分

Step2 编译和烧录

本教程仅展示RT-Thread Studio编译,另外还支持以下几种编译方式:

  • Keil

  • 基于RT-Thread EnvScons

  • 不基于RT-Thread EnvScons

RT-Thread Studio 编译和烧录

RT-Thread Studio中,找到项目工程,右键,

更新软件包 + 刷新工程

然后编译(?),

最后烧录加显示。

编译成功

这时候你就已经成功获得了一个集成了AIRT-Thread的新的ART-Pi BSP

就可以RT-Thread系统上做应用开发啦。

示例应用代码提供

我们提供了一份运行模型推理的示例代码 mnist_app.c:

http://117.143.63.254:9012/www/RT-AK/mnist_app.zip(以上链接请复制至外部浏览器打开)

  1. 下载解压,放置到/applications路径下

  1. 选中RT-Thread Studio中的 项目工程,右击刷新

  1. 编译烧录,

  2. 输入命令:mnsit_app


3. 完整的示例工程

完整的示例工程仓库地址:下载即可食用

https://github.com/EdgeAIWithRTT/Project3-Mnist_Cube_RTT/tree/master/Mnist_RTT

(以上链接请复制至外部浏览器打开)

体验打卡

欢迎大家在体验RT-AK后截图留念,并将运行成功的截图发送至QQ/微信群艾特管理员,我们将从中抽取3名幸运小伙伴送出柿饼派、RT-Thread定制高端运动旅行背包、RT-Thread定制茶具礼盒一份!

RT-AK QQ交流群

807401653

?扫码进群 ?

?扫码进群 ?

??? 点击阅读原文了解RT-AK