转换和运行自定义神经网络

备注

除了 更新固件 的先决条件外， 您还需要一台安装有docker的主机、一根以太网线以及一个支持DHCP的本地网络。

要转换您自己的人工智能模型并在评估套件上运行，请使用以下步骤：

  1. 安装一个预构建的镜像，并按照 安装预构建的系统映像 所述连接到主板。

  1. 使用以太网线将板卡连接到本地网络。

  1. 从 Kaggle 下载 1.tflite并保存为 mymodel.tflite 。

  1. 在主机上下载SyNAP工具包的docker镜像：

    $ docker pull ghcr.io/synaptics-synap/toolkit:3.0.0

  2. 在主机的shell中安装alias以运行SyNAP Toolkit容器：

    $ alias synap='docker run -i --rm -u $(id -u):$(id -g) -v ${MOUNTPATH}:${MOUNTPATH} \
             -w $(pwd) ghcr.io/synaptics-synap/toolkit:3.0.0'

其中 ${MOUNTPATH} 是要挂载在容器内的主机目录的绝对路径。 该命令可在任何目录中执行，并且在当前会话中有效。 您可将它添加到您的shell启动文件（例如 .bashrc 或 .zshrc ）。

如果不带参数地运行它，您可获得那些可用的工具包命令的帮助信息：

$ synap

  1. 使用以下命令进行模型转换：

    $ synap convert --model mymodel.tflite --target ${CHIP_NAME} --out-dir converted

其中 ${CHIP_NAME} 是 SL1620 、 SL1640 或 SL1680 之一，具体取决于目标设备。

此命令将 mymodel.tflite 转换为 converted/model.synap ， 即转换为可在评估套件上执行的模型。

  1. 在目标板上，可使用以下命令来查询它的IP地址：

    # ifconfig eth0 | grep "/inet addr/"
          inet addr:192.168.1.110  Bcast:192.168.1.255  Mask:255.255.255.0

  2. 在主机上运行以下命令，可将转换好的模型上传到板卡：

    $ scp converted-model/model.synap root@192.168.1.110:/tmp

  3. 连接板卡，并发出以下命令：

    # cd /tmp
# synap_cli random
Flush/invalidate: yes
Loop period (ms): 0
Network inputs: 1
Network outputs: 1
Input buffer: input size: 150528 : random
Output buffer: output size: 1001

Predict #0: 12.49 ms

Inference timings (ms):  load: 30.72  init: 3.35  min: 12.49  median: 12.49  max: 12.49  stddev: 0.00  mean: 12.49

更多关于模型转换选项、更多模型测试工具，以及如何在自己的应用程序中使用模型的信息， 请参阅 使用SyNAP进行机器学习 。