嘉楠K510开发板的AI应用5——模型验证和格式转换

tobot · 发表于2022-12-18 12:06

嘉楠K510开发板的AI应用5——模型验证和格式转换 [复制链接]

在前一篇（https://bbs.eeworld.com.cn/thread-1228112-1-1.html）已经基于自建模型训练了一个分类模型“model_ex-019_acc-0.744914_loss-0.569983”，

model_ex-019_acc-0.744914_loss-0.569983.h5 (17.44 MB, 下载次数: 0)

从名字就可以看到，它精度不太高。这次我们来试试如何使用这个模型。

一、在电脑上测试模型效果

首先我们知道这个模型是用于分类的，可以将图片分成3类：dinosaur、flower、hotdog。

use_h5_model.py (928 Bytes, 下载次数: 0)

从网上随机取用几张图片（确保不要踩到训练集），我们试试效果：

[[9.9788362e-01 1.5169366e-38 2.1163719e-03]]

dinosaur:99.78836178779602%

hotdog:0.21163718774914742%

flower:1.516936556327676e-36%

[[1.0000000e+00 3.9236673e-16 0.0000000e+00]]

dinosaur:100.0%

flower:3.9236673111275487e-14%

hotdog:0.0%

[[3.668387e-21 1.000000e+00 0.000000e+00]]

flower:100.0%

dinosaur:3.6683868813399893e-19%

hotdog:0.0%

[[1.0000000e+00 7.0039135e-21 0.0000000e+00]]

dinosaur:100.0%

flower:7.003913537690513e-19%

hotdog:0.0%

[[0.0000000e+00 2.2953879e-23 1.0000000e+00]]

hotdog:100.0%

flower:2.295387861194658e-21%

dinosaur:0.0%

[[0. 1. 0.]]

flower:100.0%

hotdog:0.0%

dinosaur:0.0%

[[0.0000000e+00 3.7185172e-28 1.0000000e+00]]

hotdog:100.0%

flower:3.718517166109849e-26%

dinosaur:0.0%

[[0.0000000e+00 3.4181737e-31 1.0000000e+00]]

hotdog:100.0%

flower:3.4181737082787074e-29%

dinosaur:0.0%

[[0.00111238 0.9988876 0. ]]

flower:99.88875985145569%

dinosaur:0.11123800650238991%

hotdog:0.0%

[[2.6787177e-06 9.9999738e-01 0.0000000e+00]]

flower:99.99973773956299%

dinosaur:0.00026787176921061473%

hotdog:0.0%

[[0.00721908 0.992781 0. ]]

flower:99.27809834480286%

dinosaur:0.7219081744551659%

hotdog:0.0%

[[2.2203972e-06 9.9999774e-01 0.0000000e+00]]

flower:99.99977350234985%

dinosaur:0.00022203971639100928%

hotdog:0.0%

可以看到命中率是非常高的，而且无论是否分类成功，首选分类都是接近100%，感觉还是有点overfitting了。

二、从H5格式转换为tflite模式

嘉楠K510只支持kmodel格式，而kmodel格式似乎只能从tflite模式转换而成。所以需要两级转换，先将H5模型转换为tflite模型，再从tflite模型转换为kmodel模型。

TensorFlow的v1版本很容易实现转换，所以在python中调用v1兼容模式即可。四行代码完成模型转换：

import tensorflow as tf

converter=tf.compat.v1.lite.TFLiteConverter.from_keras_model_file("model_ex-019_acc-0.744914_loss-0.569983.h5")

tflite_model=converter.convert()

open("converted_model.tflite","wb").write(tflite_model)

原始模型“model_ex-019_acc-0.744914_loss-0.569983.h5”大概有17.4Mb，转换后的模型“converted_model.tflite”只有5.79Mb。

继续在电脑上验证“converted_model.tflite”模型，可以看到效果和上一节完全一致。

使用tflite.py (1.59 KB, 下载次数: 0)

三、将tflite模型转换为kmodel格式

这个需要ncc工具实现，目前最新版本是1.8，虽然已经根据例程写了代码，但执行错误，

File "C:\K510test\tcn.py", line 30, in main

compiler = nncase.Compiler(compile_options)

于是还是用较早的版本ncc 0.2进行转换的（号称是k210的，不确定k510能否使用），比较小，只有一个ncc的可执行文件。

ncc.exe (12.35 MB, 下载次数: 1)

命令行：

ncc.exe compile converted_model.tflite file.kmodel -i tflite -o kmodel --dataset data

这里为什么要带上dataset我不太明白，而且我尝试过修改数据集中的图片数量不同，但生成的文件大小还是相同的5.47Mb（md5效验值不同，说明每次生成的文件有区别）。

wangerxian · 发表于2022-12-19 09:54

100%的准确率确实有点高，我还没实际搞过调参，感觉调参是一个挺耗时间和吃经验饭的事。

hanhan12

怎样编写应用程序交叉编译在板子上运行呢。

tobot

hanhan12 发表于 2023-7-29 22:13 怎样编写应用程序交叉编译在板子上运行呢。

没太明白您的意思，这就是一个模型啊

嘉楠K510开发板的AI应用5——模型验证和格式转换 [复制链接]

最新回复

点评