|
科技飛速發(fā)展，人工智能與工業(yè)領(lǐng)域的融合日益深入。NXP旗下的i.MX 8M Plus作為一款高端工業(yè)處理器，NPU算力高達2.3TOPS，正引領(lǐng)著(zhù)工業(yè)智能化的浪潮，為眾多工業(yè)場(chǎng)景帶來(lái)了前所未有的變革潛力。 圖 1 i.MX 8M Plus NPU特性 i.MX 8M Plus的NPU支持INT16/INT32/FP16/FP32等多種數據類(lèi)型，兼容性卓越，與TensorFlow Lite/Arm NN/ONNX Runtime/DeepViewRT等框架無(wú)縫對接。這一特性，為開(kāi)發(fā)者們打造了一個(gè)極為豐富的工具和庫生態(tài)系統，更便利進(jìn)行模型開(kāi)發(fā)與訓練工作，輕松應對各種復雜的大數據運算場(chǎng)景，無(wú)論是海量工業(yè)數據的分析處理，還是精準智能決策的模型構建，更加游刃有余。 i.MX 8M Plus NPU開(kāi)發(fā)流程 第一步：模型開(kāi)發(fā) 首先，從TensorFlow預訓練模型庫中選擇一個(gè)合適的模型，或根據具體任務(wù)需求創(chuàng )建自定義模型。然后，收集和準備訓練數據集。 第二步：模型訓練 可通過(guò)eIQ Toolkit工具調整參數（如Weight initialization、Input size、Learning rate等）優(yōu)化模型性能，配置訓練參數后，開(kāi)始模型訓練。 第三步：模型量化 可通過(guò)量化一個(gè)訓練后的模型，減少其大小，并加快在NPU上的推理時(shí)間，實(shí)現最小的精度損失。 圖 2 開(kāi)發(fā)流程示意圖 i.MX 8M Plus 典型工業(yè)應用 圖 3 NPU開(kāi)發(fā)案例演示 本文主要介紹基于i.MX 8M Plus的NPU開(kāi)發(fā)案例，適用開(kāi)發(fā)環(huán)境如下。 Windows開(kāi)發(fā)環(huán)境：Windows 7 64bit、Windows 10 64bit 虛擬機：VMware15.5.5 開(kāi)發(fā)環(huán)境：Ubuntu20.04.6 64bit U-Boot：U-Boot-2022.04 Kernel：Linux-5.15.71-rt51 LinuxSDK：Real-Time Edge Software 2.5 硬件平臺：創(chuàng )龍科技TLIMX8MP-EVM工業(yè)評估板（基于i.MX 8M Plus） 為了簡(jiǎn)化描述，本文僅摘錄部分方案功能描述與測試結果，詳細產(chǎn)品資料請掃描文末二維碼下載。 案例說(shuō)明 案例基于預訓練的TensorFlow Lite模型實(shí)現對圖片中目標對象的分類(lèi)。TensorFlow Lite模型循環(huán)測試10次，統計出推理的平均處理耗時(shí)和幀率，獲取模型輸出的前五個(gè)標簽及置信度打印至串口終端并通過(guò)HDMI顯示屏繪制標簽及置信度概率最大的對象結果。 程序處理流程圖如下： 圖 4 案例演示通過(guò)網(wǎng)線(xiàn)將評估板千兆網(wǎng)口ETH0連接至路由器，將HDMI顯示器與評估板HDMI2 OUT接口(CON22)連接。 圖 5 在可執行文件所在目錄，執行如下命令，對圖片目標對象進(jìn)行推理。Target#./mobilenetv1_label_image -m mobilenet_v1_1.0_224_quant.tflite -y ./bmp_image -l labels.txt -c 10 --external_delegate_path=/usr/lib/libvx_delegate.so 圖 6 圖 7 程序滾動(dòng)識別多張圖片，以第1張圖片識別結果為例，輸出結果信息如下所示。圖 8 從輸出信息可知，本張圖片識別為桌面電腦、屏幕、監控器、筆記本電腦、桌子的概率分別為53.7255%、20%、7.45098%、4.31373%、2.7451%，程序循環(huán)運行10次模型平均耗時(shí)為2.6519ms，幀率為377fps。案例程序對測試圖片的目標對象進(jìn)行識別后，通過(guò)HDMI顯示屏繪制標簽及置信度概率最大的對象結果如下所示。 圖 9 若您希望深入了解更多i.MX 8M Plus相關(guān)的精彩案例演示，可以通過(guò)公眾號(Tronlong創(chuàng )龍科技）獲取詳細資料，快來(lái)一起試試吧！ |
