求STM32F765VGT6单片机规格？

来源：蜘蛛抓取(WebSpider) 时间：2022-07-14 05:55 标签： STM32F407ZET6

经营增值电信业务试点批复：沪通信管自贸[2019]24号 出版物经营许可证：新出发沪批字第Y8445号

文章下方附学习资源，自助领取。

在Keras中使用CNN进行人类活动识别：此存储库包含小型项目的代码。该项目的目的是创建一个简单的基于卷积神经网络(CNN)的人类活动识别(HAR)系统。该系统使用来自3D加速度计的传感器数据，并识别用户的活动，例如：前进或后退。HAR意为Human Activity Recognition(HAR)system，即人类行为识别。这个模型是根据人一段时间内的3D加速度数据，来判断人当前的行为，比如走路，跑步，上楼，下楼等，很符合Cortex-M系列MCU的应用场景。使用的数据如下图所示。

  1. HAR.py，Python脚本文件，包含基于CNN的人类活动识别（HAR）模型的Keras实现，
  2. model.h5，一个预训练模型，根据训练数据进行训练，
  3. testData.npy，Python 数据文件，包含用于评估可用预训练模型的测试数据，
  4. groundTruth.npy，Python 数据文件，包含测试数据的相应输出的地面真值和

这么多文件不要慌，模型训练后得到model.h5模型，才是我们需要的。

1.这里默认大家都已经安装好了STM32CubeMX软件。

在STM32上验证神经网络模型(HAR人体活动识别)，一般需要STM32F3/F4/L4/F7/L7系列高性能单片机，运行网络模型一般需要3MB以上的闪存空间，一般的单片机不支持这么大的空间，CUBEMX提供了一个压缩率的选项，可以选择合适的压缩率，实际是压缩神经网络模型的权重系数，使得网络模型可以在单片机上运行，压缩率为8，使得模型缩小到366KB，验证可以通过；

然后按照下面的步骤安装好CUBE.AI的扩展包

这个我安装了三个，安装最新版本的一个版本就可以。

接下来就是熟悉得新建工程了

因为安装了AI的包，所以在这个界面会出现artificial intelligence这个选项，点击Enable可以查看哪一些芯片支持AI


3年嵌入式物联网学习资源整理分享：C语言、Linux开发、数据结构；软件开发，STM32单片机、ARM硬件开发、物联网通信开发、综合项目开发教程资料；笔试面试真题。点击下方插件免费领取↓↓↓

接下来就是配置下载接口和外部晶振了。

然后记得要选择一个串口作为调试信息打印输出。

选择Software Packs，进入后把AI相关的两个包点开，第一个打上勾，第一个选择Validation。

  • System Performance工程：整个应用程序项目运行在STM32MCU上，可以准确测量NN推理结果，CP∪U负载和内存使用情况。使用串行终端监控结果（e.g.Tera Term）
  • Validation工程：完整的应用程序，在桌面PC和基于STM32 Arm Cortex-m的MCU嵌入式环境中，通过随机或用户测试数据，递增地验证NN返回的结果。与 X-CUBE-A验证工具一起使用。
  • Application Template工程：允许构建应用程序的空模板项目，包括多网络支持。

选择刚刚配置的串口作为调试用。

点击add network,选择上述下载好的model点h5模型，选择压缩倍数8；

点击分析，可从中看到模型压缩前后的参数对比

点击validation on desktop 在PC上进行模型验证，包括原模型与转换后模型的对比，下方也会现在验证的结果。

致此，模型验证完成，下面开始模型部署

时钟配置，系统会自动进行时钟配置。按照你单片机的实际选型配置时钟就可以了。

然后在MDK中编译链接。

选择好下载器后就可以下载代码了。

然后打开串口调试助手就可以看到一系列的打印信息了。

代码烧写在芯片里后，回到CubeMX中下图所示位置，我们点击Validate on target，在板上运行验证程序，效果如下图，可以工作，证明模型成功部署在MCU中。

这次就这样先跑一下官方的例程，以后再研究一下，跑跑自己的模型。

文章来源于我在STM32单片机上跑神经网络算法

我要回帖

更多关于 STM32F407ZET6 的文章

 

随机推荐