
MCU上跑深度学习模型,很大程度上精度要求并不高,实时性要求较高,在一定要求下,牺牲精度保证速度的方法为数不多,量化是最优质的选择。 本次测试模型不大,所以精度没有损失,实测0-9只有两个识别错误,量化和未量化的预测结果一致,速度提高一倍。5 w1 T7 L. F, S3 Q4 d( x6 l 附上源码,给各位大佬参考。# Q$ X: t; K: i ![]() ![]() / Z2 v, G$ ?' \& d 8 S" e- q7 o1 j6 d7 ^. a |
Mnist.rar
下载914.81 KB, 下载次数: 15
æºç å模å
谢谢分享!!! |
【STM32N6570-DK评测】1.开箱测评
【STM32N6570-DK评测】1.你好N6
实战经验 | STM32 AI Model Zoo 的安装及实例介绍
【STM32H7S78-DK评测】移植AI框架TensorFlow【DSP指令加速篇】
【STM32H7S78-DK评测】移植AI框架TensorFlow【下篇】
【STM32H7S78-DK评测】移植AI框架TensorFlow Lite【上篇】
【STM32H7S78-DK评测】移植边缘AI推理框架——TFLM(TensorFlow Lite for Microcontrollers)上篇
破解边缘AI硬件与软件挑战,意法半导体解读三大创新要点
意法半导体助力企业产品智能化,加快边缘人工智能应用
STM32不至于芯,2023济南站研讨会