书接上回

一、优化

1、前面提到的两个默认的配置文件：neural_art.json和stm32n6.mpool，我们将其拷贝到当前的工 作目录，并打开neural_art.json进行编辑,添加下面一项内容： "allmems--O3-ec" : { "memory_pool": ./stm32n6.mpool", "options": "--native-float --mvei --cache-maintenance --Ocache-opt --enable-virtual-mempools --Os --optimization 3 --enable-epoch-controller" }

2、使用下面指令重新生成文件： stedgeai generate -m mobilenet_v2_0.35_224_fft_int8.tflite --target stm32n6 --st-neural-art [email]allmems--O3-ec@neural_art.json[/email] 3、 完成后，参考（2.编译和下载）的内容，重新编译后下载，会得到下面的评估结果： 4、性能从118.30inf/s提升到159.30inf/s

二、I/O格式

1、可以看到模型输出为float32类型的数据

2、在应用层，有时候可能需要使用int8，ST的编译器可以支持直接输出int8，而不需要重新修改模型文件，只需要添加--output-data-type int8选项即可，如下： stedgeai generate -m mobilenet_v2_0.35_224_fft_int8.tflite --target stm32n6 --st-neural-art [email]allmems--O3-ec@neural_art.json[/email] --output-data-type int8 3、改变后从右图可以看到，输出格式变为了int8，并且最后一个用于int8到float32转换的epoch被移除了

三、测试数据集格式

四、CubeMX流程

1、

2、添加network，选择框架

3、选择NPU运行时，选择模型，随机数据验证

4、选择串口，波特率921600，使能自动编译和下载

5、编译和下载界面

6、结果