LPC55S69移植TinyMaix實(shí)驗(yàn)了一把手寫數(shù)字識(shí)別-輕量級(jí)深度學(xué)習(xí)模型應(yīng)用

TinyMaix是面向單片機(jī)的超輕量級(jí)的神經(jīng)網(wǎng)絡(luò)推理庫，即TinyML推理庫，可以讓你在任意單片機(jī)上運(yùn)行輕量級(jí)深度學(xué)習(xí)模型。

關(guān)鍵特性

• 核心代碼少于400行(tm_layers.c+tm_model.c+arch_cpu.h), 代碼段(.text)少于3KB
• 低內(nèi)存消耗，甚至Arduino ATmega328 (32KB Flash, 2KB Ram) 都能基于TinyMaix跑mnist(手寫數(shù)字識(shí)別)
• 支持INT8/FP32/FP16模型，實(shí)驗(yàn)性地支持FP8模型，支持keras h5或tflite模型轉(zhuǎn)換
• 支持多種芯片架構(gòu)的專用指令優(yōu)化: ARM SIMD/NEON/MVEI，RV32P, RV64V
• 友好的用戶接口，只需要load/run模型~
• 支持全靜態(tài)的內(nèi)存配置(無需malloc)
• MaixHub 在線模型訓(xùn)練支持

項(xiàng)目地址：

https://github.com/sipeed/TinyMaix

實(shí)驗(yàn)了一把手寫識(shí)別數(shù)字效果。效果還行。就是發(fā)現(xiàn)有時(shí)候7會(huì)識(shí)別成2了。

其中有個(gè)7識(shí)別成了2.

下面補(bǔ)充下如何移植。官方文檔內(nèi)有說明如何移植（readme文檔），下面重新記錄一下。

TinyMaix的核心文件只有這5個(gè)：tm_model.c, tm_layers.c, tinymaix.h, tm_port.h, arch_xxx.h

如果你使用沒有任何指令加速的普通單片機(jī)，選擇 arch_cpu.h, 否則選擇對(duì)應(yīng)架構(gòu)的頭文件

然后你需要編輯tm_port.h，填寫你需要的配置，所有配置宏后面都有注釋說明

注意 TM_MAX_CSIZE,TM_MAX_KSIZE,TM_MAX_KCSIZE 會(huì)占用靜態(tài)緩存。

最后你只需要把他們放進(jìn)你的工程里編譯~

下面是我修改tm_port.h的配置，內(nèi)存分配函數(shù)和printf打印。有內(nèi)存分配所以注意堆空間設(shè)置大點(diǎn)。

/******************************* PORT CONFIG  ************************************/
#define TM_ARCH         TM_ARCH_CPU
#define TM_OPT_LEVEL    TM_OPT0
#define TM_MDL_TYPE     TM_MDL_INT8
#define TM_FASTSCALE    (0)         //enable if your chip don't have FPU, may speed up 1/3, but decrease accuracy
#define TM_LOCAL_MATH   (0)         //use local math func (like exp()) to avoid libm
#define TM_ENABLE_STAT  (1)         //enable mdl stat functions
#define TM_MAX_CSIZE    (1000)      //max channel num //used if INT8 mdl  //cost TM_MAX_CSIZE*4 Byte
#define TM_MAX_KSIZE    (5*5)       //max kernel_size   //cost TM_MAX_KSIZE*4 Byte
#define TM_MAX_KCSIZE   (3*3*256)   //max kernel_size*channels //cost TM_MAX_KSIZE*sizeof(mtype_t) Byte

#define TM_INLINE       __attribute__((always_inline)) static inline
#define TM_WEAK         __attribute__((weak))

#define tm_malloc(x)    malloc(x)
#define tm_free(x)      free(x)


#define TM_PRINTF(...) printf(__VA_ARGS__)
#define TM_DBG(...)    TM_PRINTF("###L%d: ",__LINE__);TM_PRINTF(__VA_ARGS__);
#define TM_DBGL()      TM_PRINTF("###L%drn",__LINE__);

下面是時(shí)間獲取配置。通過SysTick中斷1ms定時(shí)uwTick++計(jì)時(shí)。

/******************************* DBG TIME CONFIG  ************************************/
extern volatile uint32_t uwTick;
#define  TM_GET_US()       ((uint32_t)uwTick)

#define TM_DBGT_INIT()     uint32_t _start,_finish;float _time;_start=TM_GET_US();
#define TM_DBGT_START()    _start=TM_GET_US();
#define TM_DBGT(x)         {_finish=TM_GET_US();
                            _time = (float)(_finish-_start);
                            TM_PRINTF("===%s use %.3f msrn", (x), _time);
                            _start=TM_GET_US();}

如何使用 (API)

使用步驟-》1、加載模型-》2、輸入數(shù)據(jù)預(yù)處理-》3、運(yùn)行模型-》4、移除模型

加載模型

tm_err_t tm_load (tm_mdl_t* mdl, const uint8_t* bin, uint8_tbuf, tm_cb_t cb, tm_mat_t in);

mdl: 模型句柄;

bin: 模型bin內(nèi)容;

buf: 中間結(jié)果的主緩存；如果NULL，則內(nèi)部自動(dòng)malloc申請(qǐng)；否則使用提供的緩存地址

cb: 網(wǎng)絡(luò)層回調(diào)函數(shù);

in: 返回輸入張量，包含輸入緩存地址 //可以忽略之，如果你使用自己的靜態(tài)輸入緩存

輸入數(shù)據(jù)預(yù)處理

tm_err_t tm_preprocess(tm_mdl_t* mdl, tm_pp_t pp_type, tm_mat_t* in, tm_mat_t* out);

TMPP_FP2INT //用戶自己的浮點(diǎn)緩存轉(zhuǎn)換到int8緩存

TMPP_UINT2INT //典型uint8原地轉(zhuǎn)換到int8數(shù)據(jù)；int16則需要額外緩存

TMPP_UINT2FP01 //uint8轉(zhuǎn)換到01的浮點(diǎn)數(shù) u8/255.0

TMPP_UINT2FPN11//uint8轉(zhuǎn)換到-11的浮點(diǎn)數(shù)

運(yùn)行模型

tm_err_t tm_run (tm_mdl_t* mdl, tm_mat_t* in, tm_mat_t* out);

移除模型

void tm_unload(tm_mdl_t* mdl);

測(cè)試代碼流程：

int main_demo(void)
{
    TM_DBGT_INIT();
    TM_PRINTF("mnist demorn");
    tm_mdl_t mdl;

    for(int i=0; i<28*28; i++){
        TM_PRINTF("%3d,", mnist_pic[i]);
        if(i%28==27)TM_PRINTF("rn");
    }

    tm_mat_t in_uint8 = {3,28,28,1, {(mtype_t*)mnist_pic}};
    tm_mat_t in = {3,28,28,1, {NULL}};
    tm_mat_t outs[1];
    tm_err_t res;
    
//    tm_stat((tm_mdlbin_t*)mdl_data); 

    res = tm_load(&mdl, mdl_data, NULL, layer_cb, &in);
    if(res != TM_OK) {
        TM_PRINTF("tm model load err %drn", res);
        return -1;
    }

#if (TM_MDL_TYPE == TM_MDL_INT8) || (TM_MDL_TYPE == TM_MDL_INT16) 
    res = tm_preprocess(&mdl, TMPP_UINT2INT, &in_uint8, &in); 
#else
    res = tm_preprocess(&mdl, TMPP_UINT2FP01, &in_uint8, &in); 
#endif
    TM_DBGT_START();
    res = tm_run(&mdl, &in, outs);
    TM_DBGT("tm_run");
    if(res==TM_OK) parse_output(outs);
    else TM_PRINTF("tm run error: %drn", res);
    tm_unload(&mdl);
    return 0;
}

怎樣添加新平臺(tái)的加速代碼

對(duì)于新增平臺(tái)，你只需要在src里添加arch_xxx.h文件并實(shí)現(xiàn)其中的函數(shù)即可，主要為以下幾個(gè)函數(shù)（重要性降序排列，不重要的函數(shù)可以直接拷貝純CPU運(yùn)算的函數(shù)）：

a. TM_INLINE void tm_dot_prod(mtype_t* sptr, mtype_t* kptr,uint32_t size, sumtype_t* result)

實(shí)現(xiàn)平臺(tái)相關(guān)的點(diǎn)積函數(shù)，可以使用MAC相關(guān)的加速指令加速。

b. TM_INLINE void tm_dot_prod_pack2(mtype_t* sptr, mtype_t* kptr, uint32_t size, sumtype_t* result)

實(shí)現(xiàn)平臺(tái)相關(guān)的雙通道點(diǎn)積函數(shù)。（僅提供到雙通道是因?yàn)橛行┬酒脚_(tái)的寄存器不足以支持更多通道的點(diǎn)積加速）

c. TM_INLINE void tm_postprocess_sum(int n, sumtype_t* sums, btype_t* bs, int act, mtype_t* outp, sctype_t* scales, sctype_t out_s, zptype_t out_zp)

實(shí)現(xiàn)平臺(tái)相關(guān)的批量后處理函數(shù)，注意n為2的次冪。

d. TM_INLINE void tm_dot_prod_3x3x1(mtype_t* sptr, mtype_t* kptr, sumtype_t* result)

實(shí)現(xiàn)平臺(tái)相關(guān)的3x3點(diǎn)積加速

e. TM_INLINE void tm_dot_prod_gap_3x3x1(mtype_t* sptr, mtype_t* kptr, uint32_t* k_oft, sumtype_t* result)

實(shí)現(xiàn)平臺(tái)相關(guān)的3x3 gap的點(diǎn)積加速

工程文件：

lpc55s69_tinyml_s.zip (14.5 MB)