搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評(píng)論與回復(fù)
      VIP于 到期 續(xù)費(fèi)
      登錄后你可以
      • 下載海量資料
      • 學(xué)習(xí)在線課程
      • 觀看技術(shù)視頻
      • 寫(xiě)文章/發(fā)帖/加入社區(qū)
      會(huì)員中心
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動(dòng)

      完善資料讓更多小伙伴認(rèn)識(shí)你，還能領(lǐng)取20積分哦，立即完善>

      3天內(nèi)不再提示

      Vision Board系列教程 | 神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練及部署指南

      RT-Thread官方賬號(hào) ? 2024-10-17 08:07 ? 次閱讀

      準(zhǔn)備工作

      win10/11系統(tǒng)的電腦

      建議1張F(tuán)AT32格式的SD卡

      建議自備1根Type-C數(shù)據(jù)線

      在正式進(jìn)行開(kāi)發(fā)前，需要安裝下圖中勾選的四個(gè)軟件?。?！

      bc18ed40-8c1b-11ef-b5cd-92fbcf53809c.png

      注冊(cè)賬號(hào)并創(chuàng)建Edge Impulse工程

      打開(kāi)Edge Impluse網(wǎng)站，注冊(cè)登錄。隨后在項(xiàng)目標(biāo)簽頁(yè)創(chuàng)建新項(xiàng)目：

      bc43e298-8c1b-11ef-b5cd-92fbcf53809c.png

      上傳訓(xùn)練集

      按照以下步驟，依次點(diǎn)擊Dashboard->Add existing data->Upload data。

      bc74450a-8c1b-11ef-b5cd-92fbcf53809c.pngbc9e4d32-8c1b-11ef-b5cd-92fbcf53809c.png

      注意：若未在數(shù)據(jù)集中對(duì)圖片進(jìn)行l(wèi)abel注釋?zhuān)蓞⒖脊俜轿恼拢?，需要手?dòng)進(jìn)行添加標(biāo)簽，或直接選擇Enter label進(jìn)行標(biāo)簽定義。分3次單獨(dú)上傳3個(gè)不同圖片的文件夾，并添加label為ship、truck和plane。

      生成特征

      點(diǎn)擊左側(cè)Impulse design->Create Impulse，依次點(diǎn)擊Add a processing block、Add a learning block進(jìn)行輸入數(shù)據(jù)對(duì)象、訓(xùn)練模型的選擇，并點(diǎn)擊保存。（Add 帶星標(biāo)的即可）

      bcb4765c-8c1b-11ef-b5cd-92fbcf53809c.png

      繼續(xù)點(diǎn)擊左側(cè)Image，Color depth選擇RGB，點(diǎn)擊保存。接下來(lái)會(huì)自動(dòng)跳轉(zhuǎn)到生成特征界面，點(diǎn)擊生成特征按鈕，等待特征生成，結(jié)束后會(huì)有三維圖像顯示。

      bccdee34-8c1b-11ef-b5cd-92fbcf53809c.png

      遷移訓(xùn)練

      點(diǎn)擊左側(cè)Transfer learning按鈕，依次設(shè)置訓(xùn)練參數(shù)：訓(xùn)練周期、學(xué)習(xí)率等參數(shù)。隨后選擇自己實(shí)驗(yàn)最符合的訓(xùn)練模型（默認(rèn)選第一個(gè)），點(diǎn)擊開(kāi)始訓(xùn)練。

      bcf17bec-8c1b-11ef-b5cd-92fbcf53809c.png

      如果最后的結(jié)果和準(zhǔn)確率不滿(mǎn)足自己的實(shí)驗(yàn)要求，可嘗試重新訓(xùn)練，重新更改參數(shù)及訓(xùn)練模型。

      bd22f5d2-8c1b-11ef-b5cd-92fbcf53809c.png

      在Vision Board上部署

      在左側(cè)點(diǎn)擊Deployment，搜索OpenMV library，點(diǎn)擊Build，等待固件生成。

      bd48bfd8-8c1b-11ef-b5cd-92fbcf53809c.png

      將下載下來(lái)的壓縮文件解壓（"trained.tflite"、"labels.txt"、"ei_image_classification.py"），將ei_image_classification.py改名為main.py，隨后將3個(gè)文件全部復(fù)制到sd卡中去（取下SD卡，使用讀卡器將3個(gè)文件復(fù)制到sd卡）。

      bd6d7ab2-8c1b-11ef-b5cd-92fbcf53809c.png

      用Type-C線連接Vision Board USB-OTG口，隨后將sd卡中的main.py拖入OpenMV IDE中，打開(kāi)并運(yùn)行，此時(shí)可以在串口終端看見(jiàn)識(shí)別的結(jié)果及準(zhǔn)確率。

      bd896128-8c1b-11ef-b5cd-92fbcf53809c.png

      使用虛擬U盤(pán)功能

      點(diǎn)擊RT-Thread Setting-->TinyUSB->配置項(xiàng)

      bdadf0b0-8c1b-11ef-b5cd-92fbcf53809c.png

      在TinyUSB選項(xiàng)處依次點(diǎn)開(kāi)USING USB device->Using Mass Storage Class(MSC),將The name of the block device used by MSC中的內(nèi)容更改為sd，隨后保存。重新點(diǎn)擊編譯，編譯完成后即可燒錄到開(kāi)發(fā)板。（由于文件較大，時(shí)間可能會(huì)比較長(zhǎng)）

      注意：燒錄需要將Type-C線插到USB-DBG口，燒錄完成后再將線插到USB-OTG口，使能USB復(fù)合設(shè)備后，每次第一次上電需要先等待彈出U盤(pán)后再連接 OpenMV IDE?。》駝t會(huì)卡死?。?/strong>

      bddcf8f6-8c1b-11ef-b5cd-92fbcf53809c.png

      彈出U盤(pán)后就可以把生成OpenMV固件拖至u盤(pán)中，隨后連接OpenMV IDE，即可體驗(yàn)自己訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型。

      聲明：本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
      收藏 人收藏

        評(píng)論

        相關(guān)推薦

        深層神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練:過(guò)擬合優(yōu)化

        為了訓(xùn)練出高效可用的深層神經(jīng)網(wǎng)絡(luò)模型，在訓(xùn)練時(shí)必須要避免過(guò)擬合的現(xiàn)象。過(guò)擬合現(xiàn)象的優(yōu)化方法通常有三種。
        的頭像 發(fā)表于 12-02 14:17 ?2671次閱讀
        深層<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b><b class='flag-5'>模型</b>的<b class='flag-5'>訓(xùn)練</b>:過(guò)擬合優(yōu)化

        神經(jīng)網(wǎng)絡(luò)教程（李亞非）

        　　第1章 概述　　1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展　　1.2 生物神經(jīng)元　　1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成　　第2章人工神經(jīng)網(wǎng)絡(luò)基本模型　　2.
        發(fā)表于 03-20 11:32

        關(guān)于BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的確定??！

        請(qǐng)問(wèn)用matlab編程進(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)，訓(xùn)練結(jié)果很多都是合適的，但如何確定最合適的？且如何用最合適的BP模型進(jìn)行外推預(yù)測(cè)？
        發(fā)表于 02-08 14:23

        請(qǐng)問(wèn)Labveiw如何調(diào)用matlab訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型呢？

        我在matlab中訓(xùn)練好了一個(gè)神經(jīng)網(wǎng)絡(luò)模型，想在labview中調(diào)用，請(qǐng)問(wèn)應(yīng)該怎么做呢？或者labview有自己的神經(jīng)網(wǎng)絡(luò)工具包嗎？
        發(fā)表于 07-05 17:32

        【AI學(xué)習(xí)】第3篇--人工神經(jīng)網(wǎng)絡(luò)

        `本篇主要介紹：人工神經(jīng)網(wǎng)絡(luò)的起源、簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)模型、更多神經(jīng)網(wǎng)絡(luò)模型、機(jī)器學(xué)習(xí)的步驟：訓(xùn)練與預(yù)
        發(fā)表于 11-05 17:48

        matlab實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò) 精選資料分享

        習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對(duì)于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是如何一直沒(méi)有具體實(shí)現(xiàn)一下：現(xiàn)看到一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練
        發(fā)表于 08-18 07:25

        如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？

        如何用stm32cube.ai簡(jiǎn)化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？
        發(fā)表于 10-11 08:05

        輕量化神經(jīng)網(wǎng)絡(luò)的相關(guān)資料下載

        原文鏈接：【嵌入式AI部署&基礎(chǔ)網(wǎng)絡(luò)篇】輕量化神經(jīng)網(wǎng)絡(luò)精述--MobileNet V1-3、ShuffleNet V1-2、NasNet深度神經(jīng)網(wǎng)絡(luò)
        發(fā)表于 12-14 07:35

        卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用

        network，DBN）[24]， 從此拉開(kāi)了深度學(xué)習(xí)大幕。隨著深度學(xué)習(xí)理論的研究和發(fā)展，研究人員提 出了一系列卷積神經(jīng)網(wǎng)絡(luò)模型。為了比較不同模型 的質(zhì)量，收集并整理了文獻(xiàn)中
        發(fā)表于 08-02 10:39

        如何使用TensorFlow將神經(jīng)網(wǎng)絡(luò)模型部署到移動(dòng)或嵌入式設(shè)備上

        有很多方法可以將經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型部署到移動(dòng)或嵌入式設(shè)備上。不同的框架在各種平臺(tái)上支持Arm，包括TensorFlow、PyTorch、Caffe2、MxNet和CNTK，如And
        發(fā)表于 08-02 06:43

        卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練步驟

        卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練步驟? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）是一種常用的深度學(xué)習(xí)算法，廣泛應(yīng)用于圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等諸多
        的頭像 發(fā)表于 08-21 16:42 ?1594次閱讀

        cnn卷積神經(jīng)網(wǎng)絡(luò)模型 卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型 生成卷積神經(jīng)網(wǎng)絡(luò)模型

        cnn卷積神經(jīng)網(wǎng)絡(luò)模型 卷積神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型 生成卷積神經(jīng)網(wǎng)絡(luò)模型? 卷積
        的頭像 發(fā)表于 08-21 17:11 ?1169次閱讀

        PyTorch神經(jīng)網(wǎng)絡(luò)模型構(gòu)建過(guò)程

        PyTorch，作為一個(gè)廣泛使用的開(kāi)源深度學(xué)習(xí)庫(kù)，提供了豐富的工具和模塊，幫助開(kāi)發(fā)者構(gòu)建、訓(xùn)練和部署神經(jīng)網(wǎng)絡(luò)模型。在神經(jīng)網(wǎng)絡(luò)
        的頭像 發(fā)表于 07-10 14:57 ?412次閱讀

        怎么對(duì)神經(jīng)網(wǎng)絡(luò)重新訓(xùn)練

        重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)是一個(gè)復(fù)雜的過(guò)程，涉及到多個(gè)步驟和考慮因素。 引言 神經(jīng)網(wǎng)絡(luò)是一種強(qiáng)大的機(jī)器學(xué)習(xí)模型，廣泛應(yīng)用于圖像識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別等領(lǐng)域。然而，隨著時(shí)間的推移，數(shù)據(jù)分布可
        的頭像 發(fā)表于 07-11 10:25 ?400次閱讀

        如何使用經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型

        使用經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型是一個(gè)涉及多個(gè)步驟的過(guò)程，包括數(shù)據(jù)準(zhǔn)備、模型加載、預(yù)測(cè)執(zhí)行以及后續(xù)優(yōu)化等。
        的頭像 發(fā)表于 07-12 11:43 ?722次閱讀

        感谢您访问我们的网站，您可能还对以下资源感兴趣：

        好色先生污app