vim3（A311D,S905D3）的NPU使用过程中问题颇多，且与RK相比，AMLOGIC官方文档简陋、工具太少，经多名程序员反复研究1月有余，但仍旧无法成功转换我们的模型，各环节的问题多如牛毛，甚至至今无法定位问题触发点。
而khadas给出的教程是基于yolo和inception的，对于darknet yolo和inception模型使用不熟悉的话，会加大入门难度。
希望KHADAS能够给些更初级的例程，比如MNIST，以方便后来者入门、排查问题。
谢谢！
mnist测试用的源码如下：
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
print(tf.__version__)
# 准备数据
mnist = tf.keras.datasets.mnist
(train_images, train_lables),(test_images, test_lables) = mnist.load_data()
train_images = train_images/255.0
test_images = test_images/255.0
# 建模
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28,28), name="input"),
tf.keras.layers.Dense(64,activation=tf.nn.relu),
tf.keras.layers.Dense(32,activation=tf.nn.relu),
tf.keras.layers.Dense(10,activation=tf.nn.softmax, name="output")
])
model.summary()
# 定义训练模式
model.compile(optimizer = 'adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
# 训练
train_epochs = 10
batch_size = 30
train_history = model.fit( train_images,
train_lables,
validation_split = 0.2,
epochs = train_epochs,
batch_size = batch_size,
verbose = 2 )
# 输出训练历史
train_history.history
# 画图
def show_train_history(show_train_history,train_metric,val_metric):
plt.plot(train_history.history[train_metric])
plt.plot(train_history.history[val_metric])
plt.title('Train history: %s' % train_metric)
plt.xlabel('Epoch')
plt.ylabel(train_metric)
plt.legend(['train','validation'], loc = 'upper left')
plt.show()
show_train_history(train_history, 'loss', 'val_loss')
# show_train_history(train_history, 'accuracy', 'val_accuracy')
# 模型评估
test_loss, test_acc = model.evaluate(test_images, test_lables, verbose =2)
test_loss, test_acc, model.metrics_names
# 应用模型
test_pred = model.predict_classes(test_images)
print(test_pred)
# 保存模型
model.save('tf1_mnist_model.h5')
转换工具使用的是论坛中给出的 h5_to_pb 方法：
from keras.models import load_model
import tensorflow as tf
import argparse
import sys
import os
import os.path as osp
from keras import backend as K
def h5_to_pb(h5_model,output_dir,model_name,out_prefix = "output_"):
if osp.exists(output_dir) == False:
os.mkdir(output_dir)
out_nodes = []
for i in range(len(h5_model.outputs)):
out_nodes.append(out_prefix + str(i + 1))
tf.identity(h5_model.output[i],out_prefix + str(i + 1))
sess = K.get_session()
from tensorflow.python.framework import graph_util,graph_io
init_graph = sess.graph.as_graph_def()
main_graph = graph_util.convert_variables_to_constants(sess,init_graph,out_nodes)
graph_io.write_graph(main_graph,output_dir,name = model_name,as_text = False)
if __name__ == "__main__" :
parser = argparse.ArgumentParser()
parser.add_argument("--model_path", help="the h5 model path ")
parser.add_argument("--model_output_path", help="the pb model outout path ")
args = parser.parse_args()
if args.model_path :
h5_model_path = args.model_path
else :
sys.exit("model_path not found ! Please use this format : --model_path")
if args.model_output_path :
cut_out = args.model_output_path.rfind('/')
h5_model_name = args.model_output_path[cut_out+1:]
h5_model_dir = args.model_output_path[:cut_out]
else:
cut_out = h5_model_path.rfind('/')
suffix_data = h5_model_path[cut_out+1:]
h5_model_name = suffix_data[:-2] + 'pb'
h5_model_dir = './'
h5_model = load_model(h5_model_path)
h5_to_pb(h5_model, h5_model_dir, h5_model_name)
这个mnist代码是在自己机器上进行训练的
非常感谢！
我这个mnist代码，复制后可以直接运行（tensorflow 1.10），你也可以试一下
请教: MNIST的转换是否完成? 项目进度较紧,急需协助,谢谢!
h5转pb是没有问题的，conversion_scripts 文件夹下 0_import_model.sh 会有错误提示。
另外，由于没有详细的api说明书，case 代码也不太会改。
能否劳烦一下，把mnist的整个运行过程发一下？
放在vim3/vim3L上能正常运行并识别摄像头上的手写字体？
劳烦给下源码，我们这边调试的很辛苦 
详细的api文档目前没有，这个转换出来的c的代码你们需要直接阅读源码，默认的到处代码其实就是一个top5.你们需要的函数接口，可以看一下vnn开头的文件，函数的接口都在里面了。
我可以把h5文件给你，但是这个并不是源码，源码我也没有。File on MEGA