|
继续继续 一、编译和下载 在调用脚本进行编译和下载之前需要确保以下内容是正确的: 1、 $STEDGEAI_CORE_DIR/scripts/N6_scripts/config.json被正确配置
修改上面的脚本,确保所有工具都能被正确找到 2、arm-none-eabi-objcopy.exe的路径加入系统path环境变量。 运行下面脚本,检测是否OK。
3、STM32N6-DK处于dev开发者模式下,可以正常下载和调试代码。 4、 执行下面脚本(C:\ST\STEdgeAI\2.0需要替换为STEdgeAI的安装目录) : python C:\ST\STEdgeAI\2.0\scripts\N6_scripts\n6_loader.py 二、编译和下载------可能遇到的问题以及解决措施 1、权限不够,解决方法 --用管理员重新打开cmd shell后,重新执行。 --将STEdgeAI安装到用户目录后,重新执行
2、由于IAR版本不兼容导致的,9.60.3版本中没有了armbat.dll,解决办法 ①在STEdgeAI\2.0\Projects\STM32N6570-DK\Applications\NPU_Validation\EWARM\settings 目录下打开Project.N6-DK.general.xcl文件。 ②将armbat.dll替换为armLibsupportUniversal.dll,并保存。 ③重新执行。
三、编译和下载-------成功界面 Note:成功后,开发板不要断电,由于代码是运行在RAM中,断电会导致代码丢失,需要重新运行上面的步骤。
四、评估基本性能 运行下面的脚本完成简单评估(路径自行替换): --如果是CMD:set PYTHONPATH=C:\Users\ST\STEdgeAI\2.0\scripts\ai_runner -- 如果是PowerShell: $env:PYTHONPATH= C:\Users\ST\STEdgeAI\2.0\scripts\ai_runner ---python C:\Users\ST\STEdgeAI\2.0\scripts\ai_runner\examples\checker.py -d serial:921600 --perf only -b 10
五、.评估准确率 1、随机数据 运行以下脚本使用伪随机数据进行模型验证(这里默认使用的是伪随机数据): stedgeai validate -m mobilenet_v2_0.35_224_fft_int8.tflite --target stm32n6 --mode target -d serial:921600
2、真实数据 运行以下脚本使用真实数据进行模型验证: stedgeai validate -m mobilenet_v2_0.35_224_fft_int8.tflite --target stm32n6 --mode target -d serial:921600 -vi input_20_images.npy Note: -vi 表示真实的数据集,input_20_images.npy的shape为(20, 224, 224, 3),代表20张224x224x3 的图片
|
《STM32N6视频课程》学习笔记+STM32N6 ST EdgeAI tool工具介绍(一)
《STM32N6视频课程》学习笔记+STM32N6 ISP调试(二)
《STM32N6视频课程》学习笔记+STM32N6 ISP调试(一)
《STM32N6视频课程》学习笔记+使用STM32CubeMX生成STM32N6的ExtMemLoader, FSBL, Appli的一个LED点灯工程
《STM32N6视频课程》学习笔记+STM32N6 功耗测量
《STM32N6视频课程》学习笔记+STM32N6启动与调试技巧(三)
《STM32N6视频课程》学习笔记+STM32N6启动与调试技巧(二)
《STM32N6视频课程》学习笔记+STM32N6启动与调试技巧(一)
《STM32N6视频课程》学习笔记+STM32N6硬件系统设计及注意事项
STM32N6的开发日记(3):如何利用CubeMX快速部署我们的神经网络模型
微信公众号
手机版