使用 RT-AK 部署 Cifar10 模型至 Art-Pi_综合

Github：https://github.com/EdgeAIWithRTT/Project7-Cifar10_Cube_Art-Pi

RT-AK 及 Art-Pi 简介

目前该项目为 RT-AK 的示例 Demo，基于 ART-PI 硬件平台和 Cifar10 数据集。

RT-AK: RT-Thread AI Toolkit，RT-Thread AI 套件。

RT-AK 是 RT-Thread 团队为 RT-Thread 实时操作系统所开发的 AI 套件，能够一键将 AI 模型部署到 RT-Thread 项目中，让用户可以在统一的 API 之上进行业务代码开发，又能在目标平台上获极致优化的性能，从而更简单方便地开发端侧 AI 应用程序。

在 RT-AK 支持下，仅需要一行命令，即可将 AI 模型部署到 RT-Thread 系统中：

1$ python rt_ai_tools.py --model xxx...

我们将致力于降低嵌入式 AI 落地的难度和门槛。

Art-Pi：

使用 Tensorflow2.5.0 进行模型量化

我们已提供 keras 模型量化为 tflite 模型的代码链接。注意一定要下载 tensorflow2.5.0 及以上版本，否则会转化失败。该链接中还有量化后的 tflite 的推理代码。目录如下：

一. 将 Cifar10 分类模型部署至 Art-Pi (不搭建LCD)

1. 项目总结

该项目不需要任何驱动，仅将 AI 模型部署至 Art-Pi 硬件平台，并利用其元件进行 AI 模型推理，最后在终端输出模型推理结果相关信息。

2. 空项目工程创建

该项目是基于 ART-PI 的模板工程，初始工程来于 RT-Thread 新建工程

经过 RT-AK 转换之后得到的一个完整的项目工程

3. RT-AK 的使用

cd 到 aitools.py 所在目录，打开 cmd 命令行窗口，输入以下命令即可获得集成 AI 模型的完整项目工程。

1python aitools.py --project=C:\Users\Admin\Desktop\Art-Pi_cifar10_without_lcd 
2--model=C:\Users\Admin\Desktop\Art-pi\Art-Pi_cifar10\model\cifar10_int8.tflite 
3--model_name=cifar10 
4--platform=stm32 
5--ext_tools=C:\Users\Admin\Desktop\RTAK-tools\stm32ai-windows-5.2.0\windows # x_cube_ai 工具

4. 集成 AI 模型的项目工程的编译和烧录

这里我们使用 RT-Thread Studio 进行编译和烧录

5. AI 应用开发

我们提供了一个实例代码 cifar10_app.c，在终端命令行中输入 cifat10_app.c，即可获得输出

6. 自定义数据

该项目提供了自定义数据生成代码 save_img.py

二. 将 Cifar10 分类模型部署至 Art-Pi, 并搭建LCD

1. 项目总结

该项目应用了 LCD 驱动相关代码，使用 RT-AK 将 AI 模型部署至 Art-Pi 硬件平台之后，利用其元件进行 AI 模型推理，并对模型输出结果进行处理，最后将模型输入图片和输出相关信息显示到 LCD 上。

使用 RT-Thread Studio 创建的空白工程不包含 LCD 驱动代码，所以务必使用我们提供的模板工程。

2. RT-AK 的使用

RT-AK 的 gitlab 仓库已经开源，可以自行到仓库上克隆到本地 PC。

cd 到 RT-AK 的 rt_ai_tools 文件夹, 在目录输入 cmd 打开命令行窗口。其中 aitools.py 是核心代码，使用改代码我们可以输入相关命令参数即可快速将 AI 模型部署至支持的硬件平台上面。

在 cmd 命令行窗口输入以下命令，参数很好理解，看名字就知道它的意思了。

1python aitools.py --project=C:\Users\Admin\Desktop\Art-Pi_cifar10_with_lcd 
2--model=C:\Users\Admin\Desktop\Art-pi\Art-Pi_cifar10\model\cifar10_int8.tflite 
3--model_name=cifar10 
4--platform=stm32 
5--ext_tools=C:\Users\Admin\Desktop\RTAK-tools\stm32ai-windows-5.2.0\windows # x_cube_ai 工具

运行结果：

通过这部转换，我们得到的项目工程就集成了 AI 模型, 然后我们可以在上面做相关应用开发，最后编译和烧录到开发板上。

我们需要在 applications 中书写我们的应用代码，我们给出一个示例 cifar10_app.c ,下面介绍下里面的文件:

1卷 软件 的文件夹 PATH 列表
2卷序列号为 E67E-D1CA
3D:.
4    cifar10_app.c        // ai 模型推理应用代码实现
5    main.c            // artpi LED 闪烁灯例程原 main 函数，未改动
6    rt_ai_cifar10_model.c            // 与 STM32 平台相关的模型声明文件
7    rt_ai_cifar10_model.h            // 存放 ai 模型输入输出等相关信息文件
8    SConscript

3. cifar10_app.c 核心代码和自定义数据

3. 1 核心代码

头文件：

模型输入数据和 LCD 显示的数据：(两者大小不同，Art-Pi 中的 LCD 尺寸为 320x240, 所以显示的图片尺寸要满足这个大小，而模型输入大小则根据具体模型而言，该项目中的 cifar10 模型输入数据大小为 32x32)

模型运行核心代码：

 1// cifar10_app.c23...45// 注册模型的代码在 rt_ai_cifar10_model.c 文件下的第43行，代码自动执行6// 模型的相关信息在 rt_ai_cifar10_model.h 文件7// find a registered model handle8model = rt_ai_find(RT_AI_CIFAR10_MODEL_NAME);  // 找到模型9...
10result = rt_ai_init(model, work_buffer);  // 初始化模型，传入输入数据
11...
12result = rt_ai_run(model, ai_run_complete, &ai_run_complete_flag);    // 模型推理一次
13...
14/* 获取模型输出结果 */
15uint8_t *out = (uint8_t *)rt_ai_output(model, 0);