|
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。& `* x2 J7 _ D; r 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。$ }% `- J" i; B1 E' C( O. b 附上源码,给各位大佬参考。7 t& ~* H+ B0 z! {0 E9 E- _1 I
% l% w( C I5 b ; i* l8 I/ C5 m A; }7 p3 N+ s |
Mnist.rar
下载914.81 KB, 下载次数: 16
æºç 忍¡å
| 谢谢分享!!! |
意法半导体助力STM32开发者简化AI模型开发流程
迈入融合时代:以统一的STM32 MCU平台释放物理AI潜能
【STM32C0116-DK】MNIST 数字识别
【NUCLEO-C562RE】MNIST 数字识别
【STM32H5 评测】MNIST 数字识别
STM32在边缘AI的布局及能力版图
从家电到机器人:STM32边缘AI应用案例拆解
STM32U3B5/U3C5:为超低功耗设计带来高性能 DSP 与边缘 AI
【NUCLEO-U3C5ZI 测评】+ 手写数字识别
【STM32U3 评测】MNIST 数字识别
微信公众号
手机版