【瑞萨RA4系列开发板体验】使用TinyMaix加载神经网络模型

RA助手

【瑞萨RA4系列开发板体验】使用TinyMaix加载神经网络模型识别手写数字
作者：xusiwei1236

一、TinyMaix简介

TinyMaix是国内sipeed团队开发一个轻量级AI推理框架，官方介绍如下：

TinyMaix 是面向单片机的超轻量级的神经网络推理库，即 TinyML 推理库，可以让你在任意单片机上运行轻量级深度学习模型。

根据官方介绍，在仅有2K RAM的 Arduino UNO(ATmega328, 32KB Flash, 2KB RAM ) 上，都可以基于 TinyMaix 进行手写数字识别。对，你没有看错，2KB RAM 32KB Flash的设备上，都可以使用TinyMaix进行手写数字识别！TinyMaix官网提供了详细介绍，可以在本文末尾的参考链接中找到。

所以，在我们这次试用的主角RA-Eco-RA4M2-100PIN开发板上运行TinyMaix完全是没有任何压力的（ 512KB Flash 128KB SRAM ）。接下来，我将介绍如何在RA-Eco-RA4M2-100PIN开发板上运行TinyMaix进行手写数字识别。

1.1 TinyMaix开源项目

GitHub代码仓：https://github.com/sipeed/tinymaix

1.2 下载TinyMaix源码

接下来，克隆TinyMaix源码到到当前项目中：

1. git clone https://github.com/sipeed/TinyMaix.git

复制代码

二、TinyMaix移植

TinyMaix是一个轻量级AI推理框架，他的核心功能就是支持AI模型的各种算子，可以简单理解为一个矩阵和向量计算库。对于计算库的移植，我们通常只需要解决编译问题即可，不涉及外设和周边元件。

2.1 创建TinyMaix移植项目

类似上一篇文章的CoreMark移植，按照如下步骤创建RASC项目：

• 使用RASC创建名为RA4M2_TinyMaix的项目；
• RASC界面中，切换到Pins标签页，选择“SystemEBUG->DEBUG0”，Pin Configuration中修改设置：
  • Operation Mode修改为SWD；
  • SWCLK修改为P300；
  • SWDIO修改为P108；
  • 按Ctrl+S保存；
    
• RASC界面中，继续在Pins标签页，选择“Connectivity:SCI->SCI9”，Pin Configuration中修改：
  • Operation Mode修改为Asynchronous UART；
  • TXD9修改为P109；
  • RXD9修改为P110；
  • 按Ctrl+S保存；
    
• RASC界面中，切换到Stacks标签页，点击“New Stack->Connectivity->UART”添加一个UART组件，添加后鼠标选中，然后在Properties标签页中，在Settings->Module中的：
  • General中Channel修改为9；
  • General中Name修改为g_uart9；
  • Interrupts中Callback修改为uart9_callback；
  • 按Ctrl+S保存；
    
• 点击右上角的Generate Project Content生成Keil项目；
  

2.2 添加TinyMaix源码

接下来，将TinyMaix的部分源码文件添加到当前项目中，具体为：

• 当前项目中创建TinyMaix目录；
• 将TinyMaix项目中的include和src目录复制到当前项目的TinyMaix目录中；
• 在Keil中，鼠标右键“Source Group 1”选中“Add Existing Files to Group 'Soure Group1'”，弹出添加文件对话框；
• 在添加文件对话框中，将TinyMaix/src子目录中的源文件全部添加到项目中（"tm_layers.c" "tm_layers_fp8.c" "tm_layers_O1.c" "tm_model.c" "tm_stat.c" ）；
• 在Keil中，鼠标右键Target 1，选择“Options for Target 'Target 1'”，点击C/C++标签页；
• 在C/C++标签页中，点击Include Path栏右侧的“...”按钮，将TinyMaix/include子目录添加到搜索路径中，点OK保存配置；
  

完成这些步骤后，TinyMaix核心计算库就可以正常编译通过了。

三、TinyMaix测试准备

TinyMaix编译后，还需要添加测试代码才能看到效果。TinyMaix已经项目本身已有一些测试可同时用了，无需我们手动编写，例如手写数字识别。

TinyMaix本身纯CPU计算不依赖于任何外设功能，但TinyMaix基准测试依赖于：

• 日志打印，具体是printf输出
• 精准计时，精确到毫秒即可
  

下面分别介绍如何在RA-Eco-RA4M2-100PIN开发板上实现这两个基础功能。

3.1 SysTick计时

SysTick是ARM-Cortex内核自带的外设，CMSIS软件包对它进行了封装，使用起来非常方便。一般来说，我们在项目代码中使用SysTick只需要在代码中：

• 调用SysTick_Config函数设置SysTick中断频率；
• 编写SysTick_Handler函数实现SysTick中断处理；
  

上篇CoreMark移植的文章中，我们已经实现了基于SysTick的计时，可以直接复制到当前项目的src目录中：

• hal_systick.c
• hal_systick.h
  

其中，hal_systick.c文件内容如下：

1. #include <stdio.h>
   
2. #include "hal_data.h"
   
3. #include "hal_systick.h" // #define TICKS_PER_SECONDS 1000
   
4. 
   
5. volatile uint32_t g_tick_count = 0;
   
6. 
   
7. void hal_systick_init()
   
8. {
   
9.     SysTick_Config(SystemCoreClock / TICKS_PER_SECOND);
   
10.         printf("SystemCoreClock=%d\n", SystemCoreClock);
    
11. }
    
12. 
    
13. void SysTick_Handler(void)
    
14. {
    
15.     g_tick_count += 1;
    
16. }
    
17. 
    
18. uint32_t hal_systick_get()
    
19. {
    
20.     return g_tick_count;
    
21. }

复制代码

3.2 printf打印

上篇CoreMark移植的文章中，我们已经实现了pinrtf打印到UART9，可以直接复制到当前项目的src目录中：

• hal_uart9.c
• hal_uart9.h
  

其中，hal_uart9.c文件需要略加修改，修改后内容如下：

1. #include <stdio.h>
   
2. #include <stdbool.h>
   
3. 
   
4. #include "r_sci_uart.h"
   
5. #include "hal_data.h"
   
6. 
   
7. volatile bool uart_tx_done = false;
   
8. 
   
9. void hal_uart9_init()
   
10. {
    
11.     R_SCI_UART_Open(&g_uart9_ctrl, &g_uart9_cfg);
    
12. }
    
13. 
    
14. int fputc(int ch, FILE* f)
    
15. {
    
16.     (void) f;
    
17. 
    
18.     uart_tx_done = false;
    
19. 
    
20.     R_SCI_UART_Write(&g_uart9_ctrl, (uint8_t *)&ch, 1);
    
21. 
    
22.     while (uart_tx_done == false);
    
23. 
    
24.     return ch;
    
25. }
    
26. 
    
27. void uart9_callback(uart_callback_args_t* p_args)
    
28. {
    
29.    switch (p_args->event)
    
30.    {
    
31.       case UART_EVENT_RX_CHAR:
    
32.             break;
    
33.       case UART_EVENT_TX_COMPLETE:
    
34.             uart_tx_done = true;
    
35.             break;
    
36.       default:
    
37.             break;
    
38.    }
    
39. }

复制代码

其中，debug_uart9_callback函数重命名为uart9_callback了。

3.4 修改tm_port.h文件

接下来修改TinyMaix/include中的tm_port.h文件，具体为其中的几个宏：

1. #include "hal_systick.h"
   
2. #define TM_DBGT_INIT()     uint32_t _start,_finish; uint32_t _time; _start = hal_systick_get();
   
3. #define TM_DBGT_START()    _start = hal_systick_get();
   
4. #define TM_DBGT(x)         {_finish = hal_systick_get();                  \
   
5.                             _time = _finish - _start;                    \
   
6.                             TM_PRINTF("===%s use %lu ms\n", (x), _time); \
   
7.                             _start = hal_systick_get();}

复制代码

3.6 增大堆内存空间

TinyMaix运行时需要使用malloc申请堆内存，默认创建的RASC堆内存配置为0，会导致运行失败，因此需要增大堆内存空间。

增大堆内存空间的操作步骤如下：

• RASC中，点击BSP标签页，展开RA Common；
• 找到Heap size，将其修改为8192（实测8192可以正常运行，修改成更大值也可以，只要最终生成程序占用内存不超过SRAM都可以）；
  

四、手写数字识别
4.1 添加示例源码

接下来添加手写数字示例源码到当前项目，具体步骤为：

• 在当前项目的TinyMaix子目录中，创建examples目录和tools子目录；
• 打开TinyMaix原始项目examples目录，依次执行如下操作：
  • 将其中的minst子目录复制到RA4M2_TinyMaix项目的TinyMaix/examples子目录中；
  • 删除其中我们用不到的CMakeLists.txt、mnist_train.ipynb文件；
  • 将main.c重命名为mnist_main.c文件；
  • 打开mnist_main.c文件，将其中的main函数重命名为mnist_main，并删除其中的参数，注释掉tm_stat调用；
  • PS：这个目录中的.c文件提供了示例程序入口函数，以及测试图片（mnist数据集中的测试图片是28x28分辨率的灰度图）。
    
• 打开TinyMaix原始项目tools目录，依次执行如下操作：
  • 将其中的tmdl子目录复制到RA4M2_TinyMaix项目的TinyMaix/tools子目录中；
  • 删除其中我们用不到的除了mnist_开头的其他文件；
  • PS：这个目录提供了手写数字识别模型；
    
• 在Keil中，鼠标右键“Source Group 1”选中“Add Existing Files to Group 'Soure Group1'”，弹出添加文件对话框；
• 在添加文件对话框中，将TinyMaix/examples子目录中的mnist_main.c添加到项目中；
  

4.2 运行示例程序

完成以上修改后，就可以在RA-Eco-RA4M2-100PIN开发板上运行手写数字识别示例了，具体输出如下图所示：

可以看到，成功识别了数字2，耗时3毫秒。

4.3 模型结构展示

我们取消堆tm_stat调用的注释，重新编译、烧录后，运行时将会看到模型结构输出：

可以看到输入大小为28x28x1，经过6个中间操作之后，得到输出结果。输出是一个1x1x10（对应10个数字的置信度）；

原始模型位于TinyMaix代码仓的，tools/tflie子目录下，mnist_valid_q.tflite文件，可以使用Netron查看模型结构：

4.4 示例源码解读

mnist_main.c文件中，开始的几行用于根据tm_port.h中定义的数据使用对应的模型：

1. #if TM_MDL_TYPE == TM_MDL_INT8
   
2. #include "../../tools/tmdl/mnist_valid_q.h"
   
3. //#include "../../tools/tmdl/mnist_resnet_q.h"
   
4. #elif TM_MDL_TYPE == TM_MDL_FP32
   
5. #include "../../tools/tmdl/mnist_valid_f.h"
   
6. //#include "../../tools/tmdl/mnist_resnet_f.h"
   
7. #elif TM_MDL_TYPE == TM_MDL_FP16
   
8. #include "../../tools/tmdl/mnist_valid_fp16.h"
   
9. #elif TM_MDL_TYPE == TM_MDL_FP8_143
   
10. #include "../../tools/tmdl/mnist_fp8_143.h"
    
11. #elif TM_MDL_TYPE == TM_MDL_FP8_152
    
12. #include "../../tools/tmdl/mnist_fp8_152.h"
    
13. #endif

复制代码

这些.h文件是由tflite2tmdl.py脚本生成的TinyMaix模型，mnist_valid_f模型的转换命令为：

1. python3 tflite2tmdl.py tflite/mnist_valid_f.tflite tmdl/mbnet_fp8.tmdl fp8_152 1 28,28,1 10

复制代码

接下来定义了一个数组，uint8_t mnist_pic[28*28]，保存一张测试图片，数组每个元素对应一个像素的灰度值。

1. uint8_t mnist_pic[28*28]={
   
2.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
   
3.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
   
4.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
   
5.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,116,125,171,255,255,150, 93,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
   
6.   0,  0,  0,  0,  0,  0,  0,  0,  0,169,253,253,253,253,253,253,218, 30,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
   
7.   0,  0,  0,  0,  0,  0,  0,  0,169,253,253,253,213,142,176,253,253,122,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
   
8.   0,  0,  0,  0,  0,  0,  0, 52,250,253,210, 32, 12,  0,  6,206,253,140,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
   
9.   0,  0,  0,  0,  0,  0,  0, 77,251,210, 25,  0,  0,  0,122,248,253, 65,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
   
10.   0,  0,  0,  0,  0,  0,  0,  0, 31, 18,  0,  0,  0,  0,209,253,253, 65,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
11.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,117,247,253,198, 10,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
12.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0, 76,247,253,231, 63,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
13.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,128,253,253,144,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
14.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,176,246,253,159, 12,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
15.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0, 25,234,253,233, 35,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
16.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,198,253,253,141,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
17.   0,  0,  0,  0,  0,  0,  0,  0,  0, 78,248,253,189, 12,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
18.   0,  0,  0,  0,  0,  0,  0,  0, 19,200,253,253,141,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
19.   0,  0,  0,  0,  0,  0,  0,  0,134,253,253,173, 12,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
20.   0,  0,  0,  0,  0,  0,  0,  0,248,253,253, 25,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
21.   0,  0,  0,  0,  0,  0,  0,  0,248,253,253, 43, 20, 20, 20, 20,  5,  0,  5, 20, 20, 37,150,150,150,147, 10,  0,
    
22.   0,  0,  0,  0,  0,  0,  0,  0,248,253,253,253,253,253,253,253,168,143,166,253,253,253,253,253,253,253,123,  0,
    
23.   0,  0,  0,  0,  0,  0,  0,  0,174,253,253,253,253,253,253,253,253,253,253,253,249,247,247,169,117,117, 57,  0,
    
24.   0,  0,  0,  0,  0,  0,  0,  0,  0,118,123,123,123,166,253,253,253,155,123,123, 41,  0,  0,  0,  0,  0,  0,  0,
    
25.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
26.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
27.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
28.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
29.   0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,  0,
    
30. };

复制代码

接下来，mnist_main中使用模型，主要使用了一下几个TinyMaix的API：

• tm_stat 打印模型结构等信息；
• tm_load 将模型加载到内存；
• tm_preprocess 输入数据预处理；
• tm_run 模型推理，得到输出；
• tm_unload 模型卸载，释放内存；
  

使用起来还是非常简单的，跟读细节可以参考TinyMaix介绍页。

本篇内容就到这里了，感谢阅读。

本文完整项目代码仓（感兴趣的同学可以下载下来自行实验）：https://gitee.com/swxu/ra4m2-tiny-maix

五、参考链接

• 【TinyMaix介绍】 TinyMaix 超轻量级推理框架： https://wiki.sipeed.com/news/oth ... x/tinymaix_cnx.html
• **【RA4M2用户手册】**RA4M2 Group User's Manual: Hardware： [color=rgb(12, 147, 228) !important]https://www.renesas.cn/cn/zh/document/man/ra4m2-group-users-manual-hardware?r=1469026
• **【RASC用户指南】**RA SC User Guide for MDK and IAR [color=rgb(12, 147, 228) !important]https://renesas.github.io/fsp/_s_t_a_r_t__d_e_v.html#RASC-MDK-IAR-user-guide
• **【Keil官方文档】**关于重定义库函数使用printf的说明：[color=rgb(12, 147, 228) !important]https://developer.arm.com/documentation/dui0475/c/the-arm-c-and-c---libraries/redefining-low-level-library-functions-to-enable-direct-use-of-high-level-library-functions
• 【野火 瑞萨RA系列FSP库开发实战指南】 SCI UART——串口通信：[color=rgb(12, 147, 228) !important]https://doc.embedfire.com/mcu/renesas/fsp_ra/zh/latest/doc/chapter19/chapter19.html
• 【野火 瑞萨RA系列FSP库开发实战指南】 SysTick——系统定时器：[color=rgb(12, 147, 228) !important]https://doc.embedfire.com/mcu/renesas/fsp_ra/zh/latest/doc/chapter17/chapter17.html
  

小李y飞

不错,学习一下