Cube.AI【4】cifar10 在魔改Nucleo STMF767平台上的测试

[复制链接]

lebment 发布时间：2020-3-9 22:43

文章
文章封面:	-
文章简介:	-

希望论坛支持一下markdown，我的很多程序readme都是markdown写的。最近ST弄了个创意大赛，我参加了AI组，今天特意分享了我的测试流程。markdown写的，所以凑合看。希望各位参加比赛的顺利完成，我在疫区所以官方H7-DISCO板子收不到，等

，有什么问题的话论坛私信我不能及时回复，可以在我别的帖子找我的联系方式。
测试记录，不详细描述怎么做的，一是我觉得手把手教别人怎么做，简直是害了别人，特别是学生，二是深度学习确实所需要知识点比较多，没办法展开。
板子玩的开心就行！！！

# cifar10 在 nucleo STM32F767 平台的测试
## 软件配置
### win10
1. cubeMX 5.6.0
2. MDK 5.29a
3. cubemx扩展包--cube.AI 5.0.0
### ubuntu16.04
1. tensorflow 2.1.0 (内含keras)
2. python 2.7 （ubuntu16.04 自带）
3. cifar10 训练数据

## 硬件配置
1. nucleo F767
2. 自制扩展板
3. SD卡
4. 扩展板连接 ST-Link RX TX 引脚的杜邦线

## 测试步骤
* 在 ubuntu16.04 的操作不叙述
* 直接将转换的模型(模型约4MB)，利用cubemx转换，暂称为STM32_AI_Model。 æ¹æ³¨ 2020-03-09 225751.png

* 模型参数存储在W25Q128中，系统初始化时，QSPI进行内存映射，方便STM32_AI_Model读取模型参数。
* SD卡中读取29张测试图片均来自互联网，利用bmpconvST转换并缩小至32*32分辨率。
* RGB每个通道需要进行预处理，即R/255 G/255 B/255
* 图片在STM32_AI_Model的模型输入数据组织应为:
| R1 | G1 | B1 | R2 | G2 | B2 | ... |
* 循环从SD卡读取BMPt图片，显示在LTCD驱动的屏幕上，经过STM32_AI_Model推理后的结果，串口打印出来。
推理结果的数据组织为：
| C1 | C2 | C3 | C4 | ... | C10 |，每一哥数据代表对应种类的可能性。

* 可能性最大的即为推理最有可能的种类，cifar10即十种。

## 测试结果
  ### 串口打印：
sd_card_mount_ok
airplane: 1.000    *
airplane: 1.000    *
automobile: 0.998    *
automobile: 1.000    *
airplane: 1.000    x
dog: 0.584          x
bird: 1.000          *
dog: 0.999          x
dog: 0.874          x
frog: 1.000          x
cat: 0.993          *
dog: 0.764          x
deer: 1.000          *
airplane: 0.906    x
dog: 1.000          *
dog: 0.999          *
deer: 0.810          x
bird: 1.000          x
frog: 0.688          *
frog: 1.000          *
horse: 1.000       *
horse: 1.000       *
horse: 1.000       *
ship: 0.664          *
ship: 1.000          *
ship: 1.000          *
truck: 1.000       *
ship: 0.658          x
truck: 1.000       *

![LCD截屏图片](./scr_print.png)

我的LCD显示不正常，所以我用文件系统截了个图：

### 测试准确率

  * 19/29*100%=65.5%

### 测试总结
  * 图片中比较常见的东西模型很容易辨认，图片第二行第三个是青蛙头上有一个蜗牛，辨认错了，还有四只猫居然只对了一只，其余的比较正常，毕竟图片分辨率不高。
  * 由于我是用的深度学习模型是cifar10测试准确率比较高的，所以模型比较大，计算复杂，STM32F7推理时间约四五秒。