|
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。; T, i4 Y# R! l 附上源码，给各位大佬参考。) r% o K0 h7 ~6 {3 r0 u$ ?) A 
& `( `6 ^2 C( E! f: F D; r: j5 ~8 s ( {1 \" `9 `6 [( l6 ]6 [( O ( M6 P8 d* r. @# z* f3 Y " m( j1 S5 o: m1 f |
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
微信公众号
手机版
