為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)？

為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)？

簡而言之就是使用STM32CubeMX中的X-Cube-AI擴展包將當(dāng)前比較熱門的AI框架進行C代碼的轉(zhuǎn)化，以支持在嵌入式設(shè)備上使用，目前使用X-Cube-AI需要在STM32CubeMX版本5.0以上，支持轉(zhuǎn)化的模型有Keras、TFlite、ONNX、Lasagne、Caffe、ConvNetJS。Cube-AI把模型轉(zhuǎn)化為一堆數(shù)組，而后將這些數(shù)組內(nèi)容解析成模型，和Tensorflow里的模型轉(zhuǎn)數(shù)組后使用原理是一樣的。

一、環(huán)境安裝和配置

STM32CubeMX

MDK/IAR/STM32CubeIDE

F4/H7/MP157開發(fā)板

二、AI神經(jīng)網(wǎng)絡(luò)模型搭建

這里使用官方提供的模型進行測試，用keras框架訓(xùn)練：

https://github.com/Shahnawax/HAR-CNN-Keras

模型介紹

在Keras中使用CNN進行人類活動識別：此存儲庫包含小型項目的代碼。該項目的目的是創(chuàng)建一個簡單的基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的人類活動識別(HAR)系統(tǒng)。該系統(tǒng)使用來自3D加速度計的傳感器數(shù)據(jù)，并識別用戶的活動，例如：前進或后退。HAR意為Human Ac tivity Recognition(HAR)system，即人類行為識別。這個模型是根據(jù)人一段時間內(nèi)的3D加速度數(shù)據(jù)，來判斷人當(dāng)前的行為，比如走路，跑步，上樓，下樓等，很符合Cortex-M系列MCU的應(yīng)用場景。使用的數(shù)據(jù)如下圖所示。

HAR用到的原始數(shù)據(jù)

存儲庫包含以下文件

HAR.py，Python腳本文件，包含基于CNN的人類活動識別（HAR）模型的Keras實現(xiàn)，

actitracker_raw.txt、包含此實驗中使用的數(shù)據(jù)集的文本文件，

model.h5，一個預(yù)訓(xùn)練模型，根據(jù)訓(xùn)練數(shù)據(jù)進行訓(xùn)練，

evaluate_model.py、Python 腳本文件，其中包含評估腳本。此腳本在提供的 testData 上評估預(yù)訓(xùn)練 netowrk 的性能，

testData.npy，Python 數(shù)據(jù)文件，包含用于評估可用預(yù)訓(xùn)練模型的測試數(shù)據(jù)，

groundTruth.npy，Python 數(shù)據(jù)文件，包含測試數(shù)據(jù)的相應(yīng)輸出的地面真值和

README.md.

這么多文件不要慌，模型訓(xùn)練后得到model.h5模型，才是我們需要的。

三、新建工程

1.這里默認大家都已經(jīng)安裝好了STM32CubeMX軟件。

在STM32上驗證神經(jīng)網(wǎng)絡(luò)模型(HAR人體活動識別)，一般需要STM32F3/F4/L4/F7/L7系列高性能單片機，運行網(wǎng)絡(luò)模型一般需要3MB以上的閃存空間，一般的單片機不支持這么大的空間，CUBEMX提供了一個壓縮率的選項，可以選擇合適的壓縮率，實際是壓縮神經(jīng)網(wǎng)絡(luò)模型的權(quán)重系數(shù)，使得網(wǎng)絡(luò)模型可以在單片機上運行，壓縮率為8，使得模型縮小到366KB，驗證可以通過；

然后按照下面的步驟安裝好CUBE.AI的擴展包

這個我安裝了三個，安裝最新版本的一個版本就可以。

接下來就是熟悉得新建工程了

因為安裝了AI的包，所以在這個界面會出現(xiàn)artificial intelligence這個選項，點擊Enable可以查看哪一些芯片支持AI

接下來就是配置下載接口和外部晶振了。

然后記得要選擇一個串口作為調(diào)試信息打印輸出。

選擇Software Packs，進入后把AI相關(guān)的兩個包點開，第一個打上勾，第一個選擇Validation。

System Performance工程：整個應(yīng)用程序項目運行在STM32MCU上，可以準確測量NN推理結(jié)果，CP∪U負載和內(nèi)存使用情況。使用串行終端監(jiān)控結(jié)果（e.g.Tera Term）

Validation工程：完整的應(yīng)用程序，在桌面PC和基于STM32 Arm Cortex-m的MCU嵌入式環(huán)境中，通過隨機或用戶測試數(shù)據(jù)，遞增地驗證NN返回的結(jié)果。與 X-CUBE-A驗證工具一起使用。

Application Template工程：允許構(gòu)建應(yīng)用程序的空模板項目，包括多網(wǎng)絡(luò)支持。

之后左邊欄中的Software Packs點開，選擇其中的X-CUBE-AI，彈出的Mode窗口中兩個復(fù)選框都打勾，Configuration窗口中，點開network選項卡。

選擇剛剛配置的串口作為調(diào)試用。

點擊add network,選擇上述下載好的model點h5模型，選擇壓縮倍數(shù)8；

點擊分析，可從中看到模型壓縮前后的參數(shù)對比

點擊validation on desktop 在PC上進行模型驗證，包括原模型與轉(zhuǎn)換后模型的對比，下方也會現(xiàn)在驗證的結(jié)果。

致此，模型驗證完成，下面開始模型部署

四、模型轉(zhuǎn)換與部署

時鐘配置，系統(tǒng)會自動進行時鐘配置。按照你單片機的實際選型配置時鐘就可以了。

最后點擊GENERATE CODE生成工程。

然后在MDK中編譯鏈接。

選擇好下載器后就可以下載代碼了。

然后打開串口調(diào)試助手就可以看到一系列的打印信息了。

代碼燒寫在芯片里后，回到CubeMX中下圖所示位置，我們點擊Validate on target，在板上運行驗證程序，效果如下圖，可以工作，證明模型成功部署在MCU中。

這次就這樣先跑一下官方的例程，以后再研究一下，跑跑自己的模型。

參考資料：

https://youtu.be/grgNXdkmzzQ?t=10

https://youtu.be/grgNXdkmzzQ?t=103

編輯：黃飛

閱讀全文

什么是卷積神經(jīng)網(wǎng)絡(luò)？完整的卷積神經(jīng)網(wǎng)絡(luò)（CNNS）解析

卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種特殊類型的神經(jīng)網(wǎng)絡(luò)，在圖像上表現(xiàn)特別出色。卷積神經(jīng)網(wǎng)絡(luò)由Yan LeCun在1998年提出，可以識別給定輸入圖像中存在的數(shù)字。

2022-08-10 11:49:06

19853

詳解深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用

處理技術(shù)也可以通過深度學(xué)習(xí)來獲得更優(yōu)異的效果，比如去噪、超分辨率和跟蹤算法等。為了跟上時代的步伐，必須對深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)技術(shù)有所學(xué)習(xí)和研究。本文將介紹深度學(xué)習(xí)技術(shù)、神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)以及它們在相關(guān)領(lǐng)域中的應(yīng)用。

2024-01-11 10:51:32

3472

在STM32上驗證神經(jīng)網(wǎng)絡(luò)模型

STM32CubeMx.AI的使用歡迎使用Markdown編輯器在STM32論壇中看到這樣一個視頻：在視頻中，在STM32上驗證神經(jīng)網(wǎng)絡(luò)模型（HAR人體活動識別），一般需要STM32-F3/F4/L4/F7/L7系列高性能單片機，運行網(wǎng)絡(luò)模型一般需要3MB以上的閃存空間，單片機顯然不支持這...

2021-08-03 06:59:41

在xr806板子上如何實現(xiàn)用ncnn跑神經(jīng)網(wǎng)絡(luò)mnis呢

在xr806板子上如何實現(xiàn)用ncnn跑神經(jīng)網(wǎng)絡(luò)mnis呢？

2021-12-28 06:51:07

神經(jīng)網(wǎng)絡(luò)50例

神經(jīng)網(wǎng)絡(luò)50例

2012-11-28 16:49:56

神經(jīng)網(wǎng)絡(luò)Matlab程序

神經(jīng)網(wǎng)絡(luò)Matlab程序

2009-09-15 12:52:24

神經(jīng)網(wǎng)絡(luò)與SVM的模塊

大家有知道labview中神經(jīng)網(wǎng)絡(luò)和SVM的工具包是哪個嗎？求分享一下，有做這方面的朋友也可以交流一下，大家共同進步

2017-10-13 11:41:43

神經(jīng)網(wǎng)絡(luò)基本介紹

神經(jīng)網(wǎng)絡(luò)基本介紹

2018-01-04 13:41:23

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　　2.1 MP模型　　2.2 感知器模型　　2.3 自適應(yīng)線性

2012-03-20 11:32:43

神經(jīng)網(wǎng)絡(luò)移植到STM32的方法

將神經(jīng)網(wǎng)絡(luò)移植到STM32最近在做的一個項目需要用到網(wǎng)絡(luò)進行擬合，并且將擬合得到的結(jié)果用作控制，就在想能不能直接在單片機上做神經(jīng)網(wǎng)絡(luò)計算，這樣就可以實時計算，不依賴于上位機。所以要解決的主要是兩個

2022-01-11 06:20:53

神經(jīng)網(wǎng)絡(luò)簡介

神經(jīng)網(wǎng)絡(luò)簡介

2012-08-05 21:01:08

神經(jīng)網(wǎng)絡(luò)資料

基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法

2019-05-16 17:25:05

AI知識科普 | 從無人相信到萬人追捧的神經(jīng)網(wǎng)絡(luò)

的神經(jīng)網(wǎng)絡(luò)，前面的層訓(xùn)練出的特征作為下一層的輸入，所以越到后面的層，特征越具體。卷積神經(jīng)網(wǎng)絡(luò)在大型圖像處理方面展示出了非凡的效果。例如，我們需要在眾多圖像中鑒別出一只貓，人類可以通過已有的常識判斷出特征

2018-06-05 10:11:50

EdgeBoard中神經(jīng)網(wǎng)絡(luò)算子在FPGA中的實現(xiàn)方法是什么？

FPGA加速的關(guān)鍵因素是什么？EdgeBoard中神經(jīng)網(wǎng)絡(luò)算子在FPGA中的實現(xiàn)方法是什么？

2021-09-28 06:37:44

MATLAB神經(jīng)網(wǎng)絡(luò)

2013-07-08 15:17:13

Matlab神經(jīng)網(wǎng)絡(luò)工具箱是什么？它在同步中的應(yīng)用有哪些？

Matlab神經(jīng)網(wǎng)絡(luò)工具箱是什么？Matlab神經(jīng)網(wǎng)絡(luò)工具箱在同步中的應(yīng)用有哪些？

2021-04-26 06:42:29

NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹

() riscv_fully_connected_q7() 　　在NS上跑時和arm的神經(jīng)網(wǎng)絡(luò)庫一致，可在ｇｉｔｈｕｂ上下載CMSIS的庫，然后加入到自己庫所在的路徑下即可。

2025-10-29 06:08:21

labview BP神經(jīng)網(wǎng)絡(luò)的實現(xiàn)

請問：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)故障診斷，在NI官網(wǎng)找到了機器學(xué)習(xí)工具包（MLT），但是里面沒有關(guān)于這部分VI的幫助文檔，對于”BP神經(jīng)網(wǎng)絡(luò)分類“這個范例有很多不懂的地方，比如

2017-02-22 16:08:08

matlab實現(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)，對于神經(jīng)網(wǎng)絡(luò)的實現(xiàn)是如何一直沒有具體實現(xiàn)一下：現(xiàn)看到一個簡單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點個數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點

2021-08-18 07:25:21

【PYNQ-Z2試用體驗】神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識

神經(jīng)網(wǎng)絡(luò)的計算。對于多層多節(jié)點的神經(jīng)網(wǎng)絡(luò)，我們可以使用矩陣乘法來表示。在上面的神經(jīng)網(wǎng)絡(luò)中，我們將權(quán)重作為一個矩陣，將第一層的輸入作為另一個矩陣，兩個矩陣相乘，得到的矩陣恰好為第二層的輸入。對于python

2019-03-03 22:10:19

【案例分享】ART神經(jīng)網(wǎng)絡(luò)與SOM神經(jīng)網(wǎng)絡(luò)

是一種常用的無監(jiān)督學(xué)習(xí)策略，在使用改策略時，網(wǎng)絡(luò)的輸出神經(jīng)元相互競爭，每一時刻只有一個競爭獲勝的神經(jīng)元激活。ART神經(jīng)網(wǎng)絡(luò)由比較層、識別層、識別閾值、重置模塊構(gòu)成。其中比較層負責(zé)接收輸入樣本，并將其傳遞

2019-07-21 04:30:00

【案例分享】基于BP算法的前饋神經(jīng)網(wǎng)絡(luò)

期望的輸出。BP神經(jīng)網(wǎng)絡(luò)算法推導(dǎo)（更新權(quán)重和偏倚）：從上面推導(dǎo)可以發(fā)現(xiàn)：對于任意從神經(jīng)元i（輸出神經(jīng)元/隱層神經(jīng)元）至 神經(jīng)元j（隱層神經(jīng)元/輸出層神經(jīng)元）的權(quán)重w ijwijw_{ij}，其權(quán)重更新

2019-07-21 04:00:00

人工神經(jīng)網(wǎng)絡(luò)原理及下載

人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認識過程而開發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對如何由輸入得到輸出的機理并不清楚，那么我們可以把輸入與輸出之間的未知過程看成是一個“網(wǎng)絡(luò)”，通過不斷地給

2008-06-19 14:40:42

人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)方法有哪些？

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實際問題。那有哪些辦法能實現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？

2019-08-01 08:06:21

人工神經(jīng)網(wǎng)絡(luò)課件

人工神經(jīng)網(wǎng)絡(luò)課件

2016-06-19 10:15:48

什么是LSTM神經(jīng)網(wǎng)絡(luò)

簡單理解LSTM神經(jīng)網(wǎng)絡(luò)

2021-01-28 07:16:57

什么是圖卷積神經(jīng)網(wǎng)絡(luò)？

圖卷積神經(jīng)網(wǎng)絡(luò)

2019-08-20 12:05:29

優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？

優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？

2022-09-06 09:52:36

全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)有什么區(qū)別

全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

2019-06-06 14:21:42

卷積神經(jīng)網(wǎng)絡(luò)一維卷積的處理過程

inference在設(shè)備端上做。嵌入式設(shè)備的特點是算力不強、memory小。可以通過對神經(jīng)網(wǎng)絡(luò)做量化來降load和省memory，但有時可能memory還吃緊，就需要對神經(jīng)網(wǎng)絡(luò)在memory使用上做進一步優(yōu)化

2021-12-23 06:16:40

卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？

卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？

2022-09-08 10:23:10

卷積神經(jīng)網(wǎng)絡(luò)如何使用

卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會在意它呢? 對于這些非常中肯的問題，我們似乎可以給出相對簡明的答案。

2019-07-17 07:21:50

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

十余年來快速發(fā)展的嶄新領(lǐng)域，越來越受到研究者的關(guān)注。卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型是深度學(xué)習(xí)模型中最重要的一種經(jīng)典結(jié)構(gòu)，其性能在近年來深度學(xué)習(xí)任務(wù)上逐步提高。由于可以自動學(xué)習(xí)樣本數(shù)據(jù)的特征表示，卷積

2022-08-02 10:39:39

卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點是什么

卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點

2020-05-05 18:12:50

卷積神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu)和常用框架

　　卷積神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu)　　卷積神經(jīng)網(wǎng)絡(luò)的常用框架

2020-12-29 06:16:44

卷積神經(jīng)網(wǎng)絡(luò)簡介：什么是機器學(xué)習(xí)？

抽象人工智能（AI）的世界正在迅速發(fā)展，人工智能越來越多地支持以前無法實現(xiàn)或非常難以實現(xiàn)的應(yīng)用程序。本系列文章解釋了卷積神經(jīng)網(wǎng)絡(luò) （CNN）及其在 AI 系統(tǒng)中機器學(xué)習(xí)中的重要性。CNN 是從

2023-02-23 20:11:10

卷積神經(jīng)網(wǎng)絡(luò)（CNN）是如何定義的？

什么是卷積神經(jīng)網(wǎng)絡(luò)？ImageNet-2010網(wǎng)絡(luò)結(jié)構(gòu)是如何構(gòu)成的？有哪些基本參數(shù)？

2021-06-17 11:48:22

反饋神經(jīng)網(wǎng)絡(luò)算法是什么

反饋神經(jīng)網(wǎng)絡(luò)算法

2020-04-28 08:36:58

發(fā)布MCU上跑的輕量神經(jīng)網(wǎng)絡(luò)包 NNoM，讓MCU也神經(jīng)一把

二十多種不同的神經(jīng)網(wǎng)絡(luò)計算，各種復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)。它幾乎不依賴硬件平臺，同時能在各種32bit 和64bit的平臺上編譯運行。它提供一鍵轉(zhuǎn)換腳本，可以一行代碼把剛訓(xùn)練好的Keras模型轉(zhuǎn)換成一個獨立的C

2019-05-01 19:03:01

可分離卷積神經(jīng)網(wǎng)絡(luò)在 Cortex-M 處理器上實現(xiàn)關(guān)鍵詞識別

我們可以對神經(jīng)網(wǎng)絡(luò)架構(gòu)進行優(yōu)化，使之適配微控制器的內(nèi)存和計算限制范圍，并且不會影響精度。我們將在本文中解釋和探討深度可分離卷積神經(jīng)網(wǎng)絡(luò)在 Cortex-M 處理器上實現(xiàn)關(guān)鍵詞識別的潛力。關(guān)鍵詞識別

2021-07-26 09:46:37

圖像預(yù)處理和改進神經(jīng)網(wǎng)絡(luò)推理的簡要介紹

為提升識別準確率，采用改進神經(jīng)網(wǎng)絡(luò)，通過Mnist數(shù)據(jù)集進行訓(xùn)練。整體處理過程分為兩步：圖像預(yù)處理和改進神經(jīng)網(wǎng)絡(luò)推理。圖像預(yù)處理主要根據(jù)圖像的特征，將數(shù)據(jù)處理成規(guī)范的格式，而改進神經(jīng)網(wǎng)絡(luò)推理主要用于輸出結(jié)果。整個過程分為兩個步驟：圖像預(yù)處理和神經(jīng)網(wǎng)絡(luò)推理。需要提前安裝Tengine框架，

2021-12-23 08:07:33

基于BP神經(jīng)網(wǎng)絡(luò)的PID控制

最近在學(xué)習(xí)電機的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達能力，可以通過對系統(tǒng)性能的學(xué)習(xí)來實現(xiàn)具有最佳組合的PID控制。利用BP

2021-09-07 07:43:47

基于BP神經(jīng)網(wǎng)絡(luò)的辨識

2018-01-04 13:37:27

基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評估及局限性

FPGA實現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問題分析基于FPGA的ANN實現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評估及局限性

2021-04-30 06:58:13

基于RBF神經(jīng)網(wǎng)絡(luò)的辨識

2018-01-04 13:38:52

如何使用STM32F4+MPU9150去實現(xiàn)一種神經(jīng)網(wǎng)絡(luò)識別手勢呢

如何使用STM32F4+MPU9150去實現(xiàn)一種神經(jīng)網(wǎng)絡(luò)識別手勢呢？其過程是怎樣的？

2021-11-19 06:38:58

如何使用STM32F4+MPU9150實現(xiàn)神經(jīng)網(wǎng)絡(luò)識別手勢？

如何使用STM32F4+MPU9150實現(xiàn)神經(jīng)網(wǎng)絡(luò)識別手勢？

2021-11-19 07:06:48

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

如何用stm32cube.ai簡化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？

2021-10-11 08:05:42

如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？

原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測的計算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測

2021-07-12 08:02:11

如何移植一個CNN神經(jīng)網(wǎng)絡(luò)到FPGA中？

）第二步：使用Lattice sensAI 軟件編譯已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，定點化網(wǎng)絡(luò)參數(shù)。該軟件會根據(jù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和預(yù)設(shè)的FPGA資源進行分析并給出性能評估報告，此外用戶還可以在軟件中做

2020-11-26 07:46:03

如何設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法？

神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)

2019-08-08 06:11:30

智能手機跑大規(guī)模神經(jīng)網(wǎng)絡(luò)的主要策略

。?oè???oè?????o?¤§?????¨é??¤???o??? 介紹深度學(xué)習(xí)是一個令人難以置信的靈活且強大的技術(shù)，但運行的神經(jīng)網(wǎng)絡(luò)可以在計算方面需要非常大的電力，且對磁盤空間也有要求。這通常不是云空間能夠

2018-05-07 16:02:21

有提供編寫神經(jīng)網(wǎng)絡(luò)預(yù)測程序服務(wù)的嗎？

有提供編寫神經(jīng)網(wǎng)絡(luò)預(yù)測程序服務(wù)的嗎？

2011-12-10 13:50:46

求助地震波神經(jīng)網(wǎng)絡(luò)程序

求助地震波神經(jīng)網(wǎng)絡(luò)程序，共同交流?。?/div>

2013-05-11 08:14:19

求助基于labview的神經(jīng)網(wǎng)絡(luò)pid控制

小女子做基于labview的蒸發(fā)過程中液位的控制，想使用神經(jīng)網(wǎng)絡(luò)pid控制，請問這個控制方法可以嗎？有誰會神經(jīng)網(wǎng)絡(luò)pid控制么。。。叩謝

2016-09-23 13:43:16

求助大神關(guān)于神經(jīng)網(wǎng)絡(luò)的問題

求助大神小的現(xiàn)在有個難題：一組車重實時數(shù)據(jù) 對應(yīng)一個車重的最終數(shù)值（一個一維數(shù)組輸入對應(yīng)輸出一個數(shù)值）這其中可能經(jīng)過均值、方差、去掉N個最大值、、、等等的計算我的目的就是弄清楚這個中間計算過程最近實在想不出什么好辦法就打算試試神經(jīng)網(wǎng)絡(luò) 請教大神用什么神經(jīng)網(wǎng)絡(luò)好求神經(jīng)網(wǎng)絡(luò)程序

2016-07-14 13:35:44

求基于labview的BP神經(jīng)網(wǎng)絡(luò)算法的實現(xiàn)過程

求高手，基于labview的BP神經(jīng)網(wǎng)絡(luò)算法的實現(xiàn)過程，最好有程序哈，謝謝??！

2012-12-10 14:55:50

簡單神經(jīng)網(wǎng)絡(luò)的實現(xiàn)

最簡單的神經(jīng)網(wǎng)絡(luò)

2019-09-11 11:57:36

脈沖耦合神經(jīng)網(wǎng)絡(luò)在FPGA上的實現(xiàn)誰會？

脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）在FPGA上的實現(xiàn)，實現(xiàn)數(shù)據(jù)分類功能，有報酬。QQ470345140.

2013-08-25 09:57:14

請問神經(jīng)網(wǎng)絡(luò)在電機控制方面的硬件實現(xiàn)

急急急?。?！本人小白，在電機控制和神經(jīng)網(wǎng)絡(luò)都是新手，想請教一下大神們，有了解神經(jīng)網(wǎng)絡(luò)在電機控制方面的應(yīng)用嗎？有個導(dǎo)師給我分配任務(wù)，讓我查一下相關(guān)領(lǐng)域的最新產(chǎn)品和技術(shù)，就是基于神經(jīng)網(wǎng)絡(luò)的電機控制芯片有

2018-08-15 20:35:04

請問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)練好了一個神經(jīng)網(wǎng)絡(luò)模型，想在labview中調(diào)用，請問應(yīng)該怎么做呢？或者labview有自己的神經(jīng)網(wǎng)絡(luò)工具包嗎？

2018-07-05 17:32:32

輕量化神經(jīng)網(wǎng)絡(luò)的相關(guān)資料下載

視覺任務(wù)中，并取得了巨大成功。然而，由于存儲空間和功耗的限制，神經(jīng)網(wǎng)絡(luò)模型在嵌入式設(shè)備上的存儲與計算仍然是一個巨大的挑戰(zhàn)。前面幾篇介紹了如何在嵌入式AI芯片上部署神經(jīng)網(wǎng)絡(luò)：【嵌入式AI開發(fā)】篇五|實戰(zhàn)篇一：STM32cubeIDE上部署神經(jīng)網(wǎng)絡(luò)之pytorch搭建指紋識別模型.onnx...

2021-12-14 07:35:25

非局部神經(jīng)網(wǎng)絡(luò)，打造未來神經(jīng)網(wǎng)絡(luò)基本組件

最高的精度。由此表明非局部模塊可以作為一種比較通用的基本組件，在設(shè)計深度神經(jīng)網(wǎng)絡(luò)時使用。實驗及結(jié)果在這一節(jié)我們簡單介紹論文中描述的實驗及結(jié)果。視頻的基線模型是 ResNet-50 C2D。三維輸出映射

2018-11-12 14:52:50

人工神經(jīng)網(wǎng)絡(luò)在天線設(shè)計中的應(yīng)用

將人工神經(jīng)網(wǎng)絡(luò) 模型應(yīng)用于天線設(shè)計中，可以提高天線設(shè)計的效率和精度。人工神經(jīng)網(wǎng)絡(luò)一旦被訓(xùn)練成功，再次使用其進行天線設(shè)計時，可以充分發(fā)揮神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和泛化能力，提高

2011-06-22 16:42:16

卷積神經(jīng)網(wǎng)絡(luò)CNN圖解

之前在網(wǎng)上搜索了好多好多關(guān)于CNN的文章，由于網(wǎng)絡(luò)上的文章很多斷章取義或者描述不清晰，看了很多youtobe上面的教學(xué)視頻還是沒有弄懂，最后經(jīng)過痛苦漫長的煎熬之后對于神經(jīng)網(wǎng)絡(luò)和卷積有了粗淺的了解

2017-11-16 13:18:40

59199

神經(jīng)網(wǎng)絡(luò)基本介紹

神經(jīng)網(wǎng)絡(luò)基本介紹，人工神經(jīng)網(wǎng)絡(luò)（簡稱神經(jīng)網(wǎng)絡(luò)，Neural Network）是模擬人腦思維方式的數(shù)學(xué)模型。 神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代生物學(xué)研究人腦組織成果的基礎(chǔ)上提出的，用來模擬人類大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為。神經(jīng)網(wǎng)絡(luò)反映了人腦功能的基本特征，如并行信息處理、學(xué)習(xí)、聯(lián)想、模式分類、記憶等。

2017-12-06 15:07:50

BP神經(jīng)網(wǎng)絡(luò)概述

BP 神經(jīng)網(wǎng)絡(luò)是一類基于誤差逆向傳播 (BackPropagation, 簡稱 BP) 算法的多層前饋神經(jīng)網(wǎng)絡(luò)，BP算法是迄今最成功的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。現(xiàn)實任務(wù)中使用神經(jīng)網(wǎng)絡(luò)時，大多是在使用 BP

2018-06-19 15:17:15

45170

神經(jīng)網(wǎng)絡(luò)是什么

神經(jīng)網(wǎng)絡(luò)可以指向兩種，一個是生物神經(jīng)網(wǎng)絡(luò)，一個是人工神經(jīng)網(wǎng)絡(luò)。生物神經(jīng)網(wǎng)絡(luò)：一般指生物的大腦神經(jīng)元，細胞，觸點等組成的網(wǎng)絡(luò)，用于產(chǎn)生生物的意識，幫助生物進行思考和行動。

2018-11-24 09:25:32

24904

神經(jīng)網(wǎng)絡(luò)分類

本視頻主要詳細介紹了神經(jīng)網(wǎng)絡(luò)分類，分別是BP神經(jīng)網(wǎng)絡(luò)、RBF（徑向基）神經(jīng)網(wǎng)絡(luò)、感知器神經(jīng)網(wǎng)絡(luò)、線性神經(jīng)網(wǎng)絡(luò)、自組織神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)。

2019-04-02 15:29:22

14847

為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)

摘要：為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)？簡而言之就是使用STM32CubeMX中的X-Cube-AI擴展包將當(dāng)前比較熱門的AI框架進行C代碼的轉(zhuǎn)化，以支持在嵌入式設(shè)備上使用，目前

2022-04-12 17:33:11

3090

在STM32單片機上跑神經(jīng)網(wǎng)絡(luò)算法

在Keras中使用CNN進行人類活動識別：此存儲庫包含小型項目的代碼。該項目的目的是創(chuàng)建一個簡單的基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的人類活動識別(HAR)系統(tǒng)。該系統(tǒng)使用來自3D加速度計的傳感器數(shù)據(jù)，并識別用戶的活動，例如：前進或后退。

2022-04-13 15:05:17

4242

什么是神經(jīng)網(wǎng)絡(luò)？什么是卷積神經(jīng)網(wǎng)絡(luò)？

在介紹卷積神經(jīng)網(wǎng)絡(luò)之前，我們先回顧一下神經(jīng)網(wǎng)絡(luò)的基本知識。就目前而言，神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)算法的核心，我們所熟知的很多深度學(xué)習(xí)算法的背后其實都是神經(jīng)網(wǎng)絡(luò)。

2023-02-23 09:14:44

4833

【技術(shù)分享】STM32實現(xiàn)單麥克風(fēng)實時神經(jīng)網(wǎng)絡(luò)降噪

本文是基于NNoM神經(jīng)網(wǎng)絡(luò)框架實現(xiàn)的。NNoM是一個為單片機定制的神經(jīng)網(wǎng)絡(luò)框架，可以實現(xiàn)TensorFlow模型的量化和部署到單片機上，可以在CortexM4/7/33等ARM內(nèi)核的單片機上實現(xiàn)加速

2022-04-11 10:33:36

7943

卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)通常用來處理什么

卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)通常用來處理什么卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡稱CNN）是一種在神經(jīng)網(wǎng)絡(luò)領(lǐng)域內(nèi)廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)模型。相較于傳統(tǒng)的前饋

2023-08-21 16:41:45

6160

卷積神經(jīng)網(wǎng)絡(luò)的介紹什么是卷積神經(jīng)網(wǎng)絡(luò)算法

的深度學(xué)習(xí)算法。CNN模型最早被提出是為了處理圖像，其模型結(jié)構(gòu)中包含卷積層、池化層和全連接層等關(guān)鍵技術(shù)，經(jīng)過多個卷積層和池化層的處理，CNN可以提取出圖像中的特征信息，從而對圖像進行分類。一、卷積神經(jīng)網(wǎng)絡(luò)算法卷積神經(jīng)網(wǎng)絡(luò)算法最早起源于圖像處理領(lǐng)域。它是一種深

2023-08-21 16:49:46

2799

卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的區(qū)別

深度神經(jīng)網(wǎng)絡(luò)是一種基于神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)算法，其主要特點是由多層神經(jīng)元構(gòu)成，可以根據(jù)數(shù)據(jù)自動調(diào)整神經(jīng)元之間的權(quán)重，從而實現(xiàn)對大規(guī)模數(shù)據(jù)進行預(yù)測和分類。卷積神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)的一種，主要應(yīng)用于圖像和視頻處理領(lǐng)域。

2023-08-21 17:07:36

5026

人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別? 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）是一種模仿人腦神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和功能的計算模型，也被稱為神經(jīng)網(wǎng)絡(luò)（Neural

2023-08-22 16:45:18

6053

卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

不同的神經(jīng)網(wǎng)絡(luò)模型，它們在結(jié)構(gòu)、原理、應(yīng)用等方面都存在一定的差異。本文將從多個方面對這兩種神經(jīng)網(wǎng)絡(luò)進行詳細的比較和分析。引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元連接和信息傳遞的計算模型，它具有強大的非線性擬合能力和泛

2024-07-02 14:24:03

7112

bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡稱CNN）是兩種不同類型的人工神經(jīng)網(wǎng)絡(luò)，它們在

2024-07-03 10:12:47

3378

bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)嗎

Network）有相似之處，但它們之間還是存在一些關(guān)鍵的區(qū)別。一、引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計算模型，它由大量的神經(jīng)元（或稱為節(jié)點）組成，這些神經(jīng)元通過權(quán)重連接在一起。神經(jīng)網(wǎng)絡(luò)可以用于解決各種復(fù)雜的問題，如圖像識別、自然語言處理、語音識別等。在神經(jīng)網(wǎng)絡(luò)的研究中，

2024-07-03 10:14:30

1800

反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用，如語音識別、圖像識別、自然語言處理等。然而，BP神經(jīng)網(wǎng)絡(luò)也存在一些問題，如容易陷入局部最優(yōu)解、訓(xùn)練時間長、對初始權(quán)重敏感等。為了解決這些問題，研究者們提出了一些改進的BP神經(jīng)網(wǎng)絡(luò)模型，如徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radial Basis Function Neu

2024-07-03 11:00:20

1737

深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

在探討深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）與基本神經(jīng)網(wǎng)絡(luò)（通常指傳統(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò)）的區(qū)別時，我們需要從多個維度進行深入分析。這些維度包括網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練機制、特征學(xué)習(xí)能力、應(yīng)用領(lǐng)域以及計算資源需求等方面。以下是對兩者區(qū)別的詳細闡述。

2024-07-04 13:20:36

2552

循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

結(jié)構(gòu)。它們在處理不同類型的數(shù)據(jù)和解決不同問題時具有各自的優(yōu)勢和特點。本文將從多個方面比較循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別。基本概念循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有循環(huán)連接的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，它可以處理序列數(shù)據(jù)，如時間序列、文本、音頻等。RNN的核心思想是將前一個時間步的輸出作為下一個時間步的輸入，從而實

2024-07-04 14:24:51

2764

遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)嗎

。遞歸神經(jīng)網(wǎng)絡(luò)的概念遞歸神經(jīng)網(wǎng)絡(luò)是一種具有短期記憶功能的神經(jīng)網(wǎng)絡(luò)，它能夠處理序列數(shù)據(jù)，如時間序列、文本、語音等。與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)不同，遞歸神經(jīng)網(wǎng)絡(luò)的神經(jīng)元之間存在循環(huán)連接，使得網(wǎng)絡(luò)能夠在處理序列數(shù)據(jù)時保持狀態(tài)。遞歸神經(jīng)網(wǎng)絡(luò)的原理遞歸神經(jīng)網(wǎng)絡(luò)的核心原理是將前一個時間步的輸出作為

2024-07-04 14:54:59

2071

rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

：循環(huán)神經(jīng)網(wǎng)絡(luò)的基本概念循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時間序列特性的神經(jīng)網(wǎng)絡(luò)，它能夠處理序列數(shù)據(jù)，具有記憶功能。與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)不同，循環(huán)神經(jīng)網(wǎng)絡(luò)在處理序列數(shù)據(jù)時，不僅考慮當(dāng)前時刻的輸入，還會考慮之前時刻的輸入信息。這種特性使得循環(huán)神經(jīng)網(wǎng)絡(luò)在

2024-07-05 09:52:36

1512

BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡稱ANNs）之間的關(guān)系與區(qū)別，是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來發(fā)展等多個方面，詳細闡述BP神經(jīng)網(wǎng)絡(luò)與人工神經(jīng)網(wǎng)絡(luò)之間的異同，以期為讀者提供一個全面而深入的理解。

2024-07-10 15:20:53

3039

BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡稱CNN）是兩種在人工智能和機器學(xué)習(xí)領(lǐng)域

2024-07-10 15:24:44

2988

BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個方面存在顯著差異，以下是對兩者的比較：一、結(jié)構(gòu)特點 BP神經(jīng)網(wǎng)絡(luò) ： BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)，通常由輸入層、隱藏層和輸出層組成，其中隱藏層可以有一層或

2025-02-12 15:53:14

1487

已全部加載完成

91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲日韩欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

搜索歷史

為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)？

評論

搜索歷史

為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)？

評論

為什么可以在STM32上面跑神經(jīng)網(wǎng)絡(luò)？