哪个网站可以帮忙做简历,伊利网站建设评价,wordpress 上传视频,赣州那里有做网站的公司18集 学习ESP32的ESP-DL深度学习教程-《MCU嵌入式AI开发笔记》
参考文档#xff1a;https://docs.espressif.com/projects/esp-dl/zh_CN/latest/esp32/tutorials/index.html
使用TVM自动生成模型部署项目
本案例介绍了使用 TVM 部署模型的完整流程。 该项目基于 TVM v0.14…18集 学习ESP32的ESP-DL深度学习教程-《MCU嵌入式AI开发笔记》
参考文档https://docs.espressif.com/projects/esp-dl/zh_CN/latest/esp32/tutorials/index.html
使用TVM自动生成模型部署项目
本案例介绍了使用 TVM 部署模型的完整流程。 该项目基于 TVM v0.14.0 分支处于试验状态暂时没有进一步迭代维护的计划。目前仅对接了 ESP-DL 的 conv2d 算子其它算子可能会引发异常。
准备 ESP-DL 是适配 ESP 系列芯片的深度学习推理框架。本库无法完成模型的训练用户可使用 TensorFlowPyTorch 等训练平台来训练模型然后再通过 ESP-DL 部署模型。 具体过程是
步骤1 量化
首先将tensorflowPyTorch等训练好的模型进行转化以 TensorFlow 平台为例您可在脚本中使用 tf2onnx 将训练好的 TensorFlow 模型转换成 ONNX 模型格式。 之后将会对 float32 模型进行一系列操作以便为量化做好准备。 之后用量化工具接受预处理后的 float32 模型作为输入并生成一个 int8 量化模型。
步骤 2部署模型
步骤 2.1准备输入 准备一张输入图像输入的图像大小应该与得到的 ONNX 模型输入大小一致。模型输入大小可通过 Netron 工具查看。
步骤 2.2部署项目生成 使用 TVM 自动生成一个项目用来运行给定输入的模型推理。
步骤 3运行模型
步骤 3.1运行推理 上一步生成的工程文件 new_project 结构如下
├── CMakeLists.txt ├── components │ ├── esp-dl │ └── tvm_model │ ├── CMakeLists.txt │ ├── crt_config │ └── model ├── main │ ├── app_main.c │ ├── input_data.h │ ├── output_data.h │ └── CMakeLists.txt ├── partitions.csv ├── sdkconfig.defaults ├── sdkconfig.defaults.esp32 ├── sdkconfig.defaults.esp32s2 ├── sdkconfig.defaults.esp32s3 配置好终端 ESP-IDF请注意 ESP-IDF 的版本环境后即可运行项目
idf.py set-target esp32s3 idf.py flash monitor 步骤 3.2调试
