1、查看python版本
python3 --version
ps:發現是3.6.8可以用
2、將默認的python調整爲python3
一、默認Python2調整爲Python3
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 200
二、默認Python3調整爲Python2
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 200
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 100
2、安裝pip
sudo apt install python3-pip
3、安裝tensorflow
pip3 install tensorflow
pip3 uninstall gast
pip3 install gast==0.2.2
4、在home下創建文件夾k210
5、下載
git clone https://github.com/sipeed/Maix-TF-workspace.git
6、下載的mnist的訓練也放進去，快點
7、訓練得到mnist.pb
python3 mnist.py
8、下載轉換工具
git clone https://github.com/sipeed/Maix_Toolbox.git
9、在其中創建個文件夾workspace，並把mnist.pb放入workspace目錄下
python3 gen_pb_graph.py workspace/mnist.pb
10、如果找不到tensorboard
pip3 show tensorflow
11、找到對應路徑後，在./barsh最後添加
export PATH=/home/chenub/.local/bin:$PATH
再
source ~/.bashrc
12、
我們就可以打開瀏覽器，輸入它提示的網址進行查看計算圖：
可以看到輸入節點名爲“inputs”，輸出節點名爲“output”
14、先安裝toco(虛擬機中略過這一步)
pip3 install toco
運行已經寫好的.sh腳本後，在終端運行時提示找不到這個文件，並且提示：bad variable name
原因是：腳本是在window下用notpad++寫的，window和linux的編碼不同
解決辦法：vim pb2tflite.sh 進入該文件的編輯狀態
輸入內容 :set ff=unix #這是進行編碼切換
:wq #保存退出
14、轉換模型
出現問題的解決方法：右擊xxx.sh文件，打開屬性———>權限——>勾選允許作爲程序執行文件,將下面的所有文件權限打開
首先從pb轉換爲tflite：
./pb2tflite.sh workspace/mnist.pb
This script help you generate cmd to convert *.pb to *.tflite
Please put your pb into workspace dir
1. pb file name: (don't include workspace)
mnist.pb
2. input_arrays name:
inputs
3. output_arrays name:
output
4. input width:
28
5. input height:
28
6. input channel:
1
15、格式轉換
運行已經寫好的.sh腳本後，在終端運行時提示找不到這個文件，並且提示：bad variable name
原因是：腳本是在window下用notpad++寫的，window和linux的編碼不同
解決辦法：vim tflite2kmodel.sh 進入該文件的編輯狀態
輸入內容 :set ff=unix #這是進行編碼切換
:wq #保存退出
解決辦法：vim get_nncase.sh 進入該文件的編輯狀態
輸入內容 :set ff=unix #這是進行編碼切換
:wq #保存退出
17、賦予get_nncase.sh，讀寫權限
(1)
./get_nncase.sh
(2)
虛擬機中只要安裝
pip3 install scipy
下面不用
-------------------------------
pip3 install mkl
pip3 install numpy
pip3 install pillow
pip3 install scipy
18. 準備量化圖片（添加測試圖片）
TFlite模型在轉換爲K210模型的時候，會對原來的網絡結構進行量化quantization, 量化會將原來網絡中的浮點運算轉化爲8比特整數運算，起到壓縮模型尺寸與加速的目的。線性激活函數, relu激活函數, relu6激活函數等均可以轉換爲等價的量化運算。
在Maix_Toolbox的根目錄下新建一images文件夾，用於存放量化圖片數據, 在量化的過程中需要用到。
測試圖片必須直接放置在images文件夾中。 圖像的名稱可以任意，圖像尺寸跟訓練集的圖像尺寸保持一致，可以從訓練集的圖像樣本中選取一些有代表性的，放在images文件夾中。
但是我們下載的mnist數據集是二進制的，並不是圖片格式，所以使用以下腳本轉換成圖片:
（1）回到mnist目錄下
（2）
python3 chenreadimage.py
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) #MNIST數據輸入
from PIL import Image
import scipy.misc
import os
save_dir = './images/'
if os.path.exists(save_dir) is False:
os.makedirs(save_dir)
for i in range(20):
image = mnist.train.images[i,:]
image = image.reshape(28,28)
file = save_dir+'mnist_train_%d.jpg' % i
#scipy.misc.toimage(image,cmin=0.0,cmax=1.0).save(file)
Image.fromarray((image*255).astype('uint8'), mode='L').convert('RGB').save(file)
19、重要
（1）把mninst下面剛纔images下生成的圖拷貝到toolbox下，再運行
./tflite2kmodel.sh workspace/mnist.tflite
這時在workspace下生成了mnist.kmodel。可以看到模型大小爲200KB大小左右
20、創建文件夾standalone
git clone https://github.com/sipeed/LicheeDan_K210_examples.git
21、拷貝生成的mnist.kmodel到src/mnist下面，並重命名爲m.kmodel，在src/mnist下面
（1）虛擬機中，只要將mnist.kmodel拷貝到mnist/convertokmodel目錄下
./pack_model.sh
得到 model.kfpkg
22、kflash先燒錄.bin再燒錄kfpgk
23\
import sensor,lcd,image
import KPU as kpu
lcd.init()
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.set_windowing((224, 224)) #set to 224x224 input
sensor.set_hmirror(0) #flip camera
task = kpu.load(0x00600000) #load model from
sensor.run(1)
while True:
img = sensor.snapshot()
lcd.display(img,oft=(0,0)) #display large picture
img1=img.to_grayscale(1) #convert to gray
img2=img1.resize(28,28) #resize to mnist input 28x28
a=img2.invert() #invert picture as mnist need
a=img2.strech_char(1) #preprocessing pictures, eliminate dark corner
lcd.display(img2,oft=(224,32)) #display small 28x28 picture
a=img2.pix_to_ai(); #generate data for ai
fmap=kpu.forward(task,img2) #run neural network model
plist=fmap[:] #get result (10 digit's probability)
pmax=max(plist) #get max probability
max_index=plist.index(pmax) #get the digit
lcd.draw_string(224,0,"%d: %.3f"%(max_index,pmax),lcd.WHITE,lcd.BLACK) #show result
