软硬件环境：MDK Keil5，cubemx最新版，caffe 伯克利原版， F407VET6 2.3寸电阻屏， STemwin中PC软件 BMPcvt（路径：STM32CubeMX\Repo\STM32Cube_FW_F4_V1.24.1\Middlewares\ST\STemWin\Software。
) o7 |3 \7 D; Z! M) D  原材料准备：因为mnist数据集是二进制，互联网上有jpg版，现在需要转换为bmp用来显示和提取灰度数组（28*28=784），不介绍如何使用BMPcvt。
( j/ N& v8 ?- P  ^* Z% G  导入： 选择版本和用途。 使能，点击add network，修改名字为lenet。 ，按图片上导入caffemodel 和 prototxt。点击analyse。 MACC是计算量，compression是压缩，具体没看过怎么实现的，但是官方ST的AI手册有说明，转换后与没有转换的L2距离。
3 e: N' B/ o2 B5 a$ W  附件中有bmp图片 model和prototx。
6 }5 J  l" ]3 Q5 c( g# r! F# U  下一篇代码解读
, [9 C. H0 I; T5 }/ B% j6 v( u

呵呵1991 发表于 2019-5-29 14:47
( z5 B3 J5 s4 ~0 Q没啥用，除非出基于ARMV8.1-M的MCU，不然V7的学习能力就算了

你打错了，是推理能力。而且模型是有压缩的，如果觉得效果不好，Cube.AI的手册中的L2范数来看是否达到要求。H7和M7做一些小的边缘AI足够的。想要目标检测，语义分割需要能够处理MACC更高的CPU。

新来的，学习

收藏

請問一下開發版是用哪一個型號

worktest 发表于 2019-5-23 22:13
請問一下開發版是用哪一個型號

% G1 g0 ~: `( `9 \0 b; z/ ~; g- sF407VET6

Kevin201707 发表于 2019-5-18 11:50
收藏

$ c$ ]7 i, O! W' s( X, w谢谢收藏！

不明觉厉~~~~~~~~~

没啥用，除非出基于ARMV8.1-M的MCU，不然V7的学习能力就算了

很有用

已收藏
% ^: N7 B/ X( p" x