MCU上跑深度学习模型,很大程度上精度要求并不高,实时性要求较高,在一定要求下,牺牲精度保证速度的方法为数不多,量化是最优质的选择。 本次测试模型不大,所以精度没有损失,实测0-9只有两个识别错误,量化和未量化的预测结果一致,速度提高一倍。1 Q" b8 M# f& B$ a* |8 r 附上源码,给各位大佬参考。 & G1 O! j2 ^4 D; J, O2 f4 } |
Mnist.rar
下载914.81 KB, 下载次数: 14
æºç å模å
谢谢分享!!! |
破解边缘AI硬件与软件挑战,意法半导体解读三大创新要点
意法半导体助力企业产品智能化,加快边缘人工智能应用
哪些传感器嵌入式功能适用于我的应用?
线下实训 | ST端侧人工智能之视觉检测
意法半导体嵌入式 AI 解决方案增加简化机器学习开发的高级功能
【Wio Lite AI视觉开发套件】+摄像头图像采集
全站首个NanoEdge_AI试用(dogs)
线下实训 | ST端侧人工智能之计算机视觉实践课程
Cube.AI【4】cifar10 在魔改Nucleo STMF767平台上的测试
基于STM32的机器学习工具 - NanoEdge AI Studio