Date: 2021/08/18
Update: 新增 X-CUBE-AI v7.0.0 支持。只需要下载对应版本的 x-cube-ai 和指定
--cube_ai
参数即可,按照下面命令即可运行.其中 --cube_ai 指定的文件夹已经存在,位于
RT-AK\rt_ai_tools\platforms\plugin_stm32\X-CUBE-AI.7.0.0
# 模板 python aitools.py --project <bsp> --model_name <model_name> --platform stm32 --ext_tools "D:\Program Files (x86)\stm32ai-windows-7.0.0\windows" --cube_ai platforms\plugin_stm32\X-CUBE-AI.7.0.0 --clear # 示例 D:\Project\edge-ai\RT-AK\rt_ai_tools>python aitools.py --project D:\RT-ThreadStudio\workspace\test --model_name mnist --platform stm32 --ext_tools D:\迅雷下载\stm32ai-windows-7.0.0\windows --cube_ai platforms\plugin_stm32\X-CUBE-AI.7.0.0 --clear
Date: 2021/06/21
Update: 该版本插件尚未支持量化功能,需要量化模型的话请自行研究或者与我们联系,欢迎提 PR,下一个版本将会支持量化功能
本项目归属于 RT-AK
主项目中的一个子模块。
使用 STM32
原厂插件进行开发。
- 原厂插件:
X-CUBE-AI
- 模型支持:
Keras | TFLite | ONNX
- 算子支持:在
docs
文件夹下查阅对应版本的layer_support.html
文件
% tree -L 2 stm32
stm32
├── backend_plugin_stm32
│ ├── backend_cubeai.c
│ ├── backend_cubeai.h
│ └── readme.md
├── config.py # 生成 `rt_ai_<model_name>_model.h` 的一些配置信息,保存在 <BSP>/applications
├── docs # `X-CUBE-AI` 相关文档说明;
│ ├── command_line_interface.html
│ ├── embedded_client_api.html
│ ├── en.stsw-link009.zip # `STLink` 驱动
│ ├── ...
│ ├── relocatable.html
│ ├── RT-AK之STM32快速上手.md
│ ├── stm32.c
│ ├── stm32programmer-cli.pdf
│ └── 量化(未完成).md
├── generate_rt_ai_model_h.py # 生成 `rt_ai_<model_name>_model.h` ,保存在 <BSP>/applications
├── gen_rt_ai_model_c.py # 生成 `rt_ai_<model_name>_model.c` ,保存在 <BSP>/applications
├── __init__.py
├── plugin_init.py # 将 `stm32ai` (`X-CUBE-AI` 的模型转换工具)添加到系统变量
├── plugin_stm32_parser.py # `STM32` 平台插件运行所需的参数
├── plugin_stm32.py # `STM32` 平台插件运行主函数
├── prepare_work.py # 生成两个文件夹,存放 x-cube-ai 静态库和 c-model 文件; 加载对应的 Sconscript
├── README.md
├── run_x_cube_ai.py # 运行 `stm32ai` 工具,进行模型转换工作
├── Sconscripts # 模型转换之后,参与到项目 `scons` 编译的脚本文件
│ ├── Middlewares
│ └── X-CUBE-AI
└── X-CUBE-AI.5.2.0 # `STM32Cube.AI` 所提供的静态库
├── Copyrights.txt
└── Middlewares
-
RT-AK 基础参数,链接
-
该部分是 RT-AK 之 STM32 插件的参数说明,详见
plugin_stm32_parser.py
其中需要注意的是加粗部分的三个参数,请注意看相关描述。
详细的使用说明请阅读后续章节
Parameter | Description |
---|---|
--ext_tools |
X-CUBE-AI 存放路径,模型转换工具,内有 stm32ai 可执行软件,需要用户指定 |
--cube_ai |
X-CUBE-AI 运行所需的静态库,默认为./platforms/stm32/X-CUBE-AI.5.2.0 |
--rt_ai_example |
存放rt_ai_<model_name>_model.c 示例文件,默认是 ./platforms/stm32/docs |
--stm_out |
经过 stm32ai 线程处理之后产生的中间文件夹路径,默认是当天的时间戳命名 |
--workspace |
stm32ai 运行时产生的临时工作区,默认是./stm32ai_ws |
--val_data |
默认为空,即使用内部自生成的随机数据集,允许用户自定义测试数据集, |
--compress |
表示将应用的全局压缩因子,仅应用在全连接层,可选 "1|4|8",默认值:1 |
--batches |
指示生成了多少随机数据样本,默认是10 |
--mode |
"analyze|validate" 模式(可选)+”generate“模式(必须有),1 表示选中,在{'001', '011', '101', '111'} 中选一个,默认是 001 |
--network | 在 Documents 中的模板文件的模型名,默认是 mnist |
--enable_rt_lib | 在 project/rtconfgi.h 中打开宏定义,默认是 RT_AI_USE_CUBE |
--clear | 是否需要删除 stm32ai 生成的中间文件夹 stm_out ,默认为False |
-
示例:
--ext_tools="D:/Program Files (x86)/stm32ai-windows-5.2.0/windows"
该插件无需主动安装,
只需要克隆主项目工程:RT-AK
进入到 RT-AK/rt_ai_tools
路径下,
仅需要在执行 python aitools.py --xxx
的同时指定 platform
参数为 stm32
即可,插件会自动下载。
请在 edge-ai/RTAK/tools
路径下运行该程序。
# 基础运行命令
python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path> --clear
# 示例
python aitools.py --project="D:\RT-ThreadStudio\workspace\test" --model="./Models/keras_mnist.h5" --platform=stm32 --ext_tools="D:\Program Files (x86)\stm32ai-windows-5.2.0\windows" --clear
# 指定转换模型的名称,--model_name 默认为 network
python aitools.py --project=<your_project_path> --model=<your_model_path> --model_name=<model_name> --platform=stm32 --ext_tools=<your_x-cube-ai_path>
# 保存运行 stm32ai 线程过程中产生的文件,--clear 默认为空
# 如果存在,则将会删除`stm32ai` 运行时产生的工作文件夹,即`--stm_out`
python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path>
# 指定保存运行日志, --log 默认为空
python aitools.py --project=<your_project_path> --model=<your_model_path> --log=./log.log --platform=stm32 --ext_tools=<your_x-cube-ai_path>
# 指定保存的文件夹名称,--stm_out 默认是当天时间,比如 './20210223'
python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path> --stm_out <new_dir>
# 指定生成的 c-model 名,--c_model_name 默认是network
python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path> --c_model_name=<new_model_name>
完整的项目实战例程,请阅读:RT-AK之STM32快速上手.md
-
模型量化
-
判断模型是否支持
-
判断
CPU
是否支持 -
设置
stm32ai
系统环境变量,x-cube-ai
-
在
stm_out
下生成静态库文件夹和存放c-model
的文件夹 -
将模型转换成
c-model
,保存在<stm_out>/X-CUBE-AI
路径下 -
生成
rt_ai_<model_name>_model.h
文件,保存在project/applications
-
生成
rt_ai_<model_name>_model.c
文件,保存在project/applications
-
加载
x-cube-ai
的静态库到stm_out
路径下 -
把
stm_out
内的两个关键文件夹加载到project
下 -
在
project
中使能HAL_CRC
-
判断是否删除
stm_out
功能函数
1 模型是否支持
- 函数:`is_valid_model(model, sup_models)`
- 功能:判断模型是否支持
- input: (model, sup_models_list)
2 cpu是否支持
- 函数:`is_valid_cpu(project, sup_cpus, cpu="")`
- 功能:根据 `project/rtconfig.py` 提供的 `CPU` 信息判断是否支持
- input: (project, sup_cpus)
- output: cpu
3 设置环境变量
- 函数:`set_env(plugin_path)`
- 功能:设置 `x-cube-ai: stm32.exe` 为系统变量
- input: (x-cube-ai_path)
4 生成两个文件夹
- 函数:`pre_sconscript(aitools_out, stm32_dirs, scons_path="platforms/stm32/Sconscripts")`
- 功能:
1. 生成两个文件夹,分别存放 `x-cube-ai` 静态库和 `c-model` 文件,如果之前存在,先删除原本的文件夹
2. 加载对应的 `Sconscript`
- input: (stm_out, sconscript_dir, ["Middlewares", "X-CUBE-AI"])
5 模型转换
- 函数:`stm32ai(model, stm_out, c_model_name, sup_modes, ai_params)`
- 功能:
1. 将模型转换成 `c-model`,支持三种模式:分析、验证、生成(必须有)
2. 如果有报错,根据生成的 `report.txt` 文件抛出异常
- input: (model, stm_out, c_model_name, sup_modes_list, [workspace, compress, batches, mode, val_data])
- output: flag_list, etc: [False, True, True] 对应 modes=“011” 三种模型执行是否成功
6.1 生成 rt_ai_model.h
- 函数:`rt_ai_model_gen(stm_out, project, model_name)`
- 功能:根据生成的 `c-model` 文件生成 `rt_ai__model.h` 文件,保存在 `project/applications`
- input: (stm_out, project, c_model_name)
6.2 生成 rt_ai_model.c
- 函数:`load_rt_ai_example(project, rt_ai_example, platform, old_name, new_name)`
- 功能:根据提供的模板文件,生成 `rt_ai__model.c` + `rt_ai_template.c/h`文件,保存在 `project/applications`
- input: (project, rt_ai_exampl_path, platform, default_model_name, c_model_name)
7 加载 x-cube-ai libs
- 函数:`load_lib(stm_out, cube_ai_path, cpu, middle=r"Middlewares/ST/AI")`
- 功能:加载 `x-cube-ai` 静态库到 `stm_out` 中
- input: (stm_out, cube_ai_path, cpu, middle=r"Middlewares/ST/AI")
8 加载到 project
- 函数:`load_to_project(stm_out, project, stm32_dirs)`
- 功能:加载 `stm_out` 两个文件夹到 `project` 中。如果之前有存在,则先删除
- input: (stm_out, project, ["Middlewares", "X-CUBE-AI"])
9 使能 HAL-CRC
- 函数:`enable_hal_crc(project)`
- 功能:在 `project/board/...` 文件中使能 `HAL_CRC_MODULE_ENABLED`
- input: (project)