RT-AK 簡(jiǎn)介

RT-AK： RT-Thread AI kit，RT-Thread AI 套件

RT-AK 是 RT-Thread 團(tuán)隊(duì)為 RT-Thread 實(shí)時(shí)操作系統(tǒng)所開發(fā)的 AI 套件，能夠一鍵將 AI 模型部署到 RT-Thread 項(xiàng)目中，讓用戶可以 在統(tǒng)一的 API 之上進(jìn)行業(yè)務(wù)代碼開發(fā)，又能在目標(biāo)平臺(tái)上獲得極致優(yōu)化的性能，從而更簡(jiǎn)單方便地開發(fā)端側(cè) AI 應(yīng)用程序。

在 RT-AK 支持下，僅需要一行命令，python aitools.py --model xxx.。.，即可將 AI 模型部署到 RT-Thread 系統(tǒng)中：

詳細(xì)的命令請(qǐng)查閱：［如何運(yùn)行 aitools.py］（# step1 運(yùn)行 rt_ai_tools/aitools.py）

開源鏈接：https://github.com/RT-Thread/RT-AK

示例DEMO

本教程 RT-AK 適配目標(biāo)平臺(tái)：STM32

以下項(xiàng)目為 RT-AK 的示例 Demo，基于 ART-PI 硬件平臺(tái)和 Mnist 數(shù)據(jù)集。

1. 準(zhǔn)備工作

Windows 10

Python 》= 3.7

準(zhǔn)備以下四份重要重要重要的材料：

1.1 X-CUBE-AI 介紹

TO DO LIST： 最新的版本是 V6.0.0，目前使用的是 V5.2.0，稍后的 RT-AK 將會(huì)更新

X-CUBE-AI 是 STM32Cube.AI 生態(tài)系統(tǒng)的 STM32Cube 擴(kuò)展軟件包的一部分，能夠自動(dòng)轉(zhuǎn)換預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)。

X-CUBE-AI

下載界面

1.2 X-CUBE-AI 解壓

下載后的文件夾界面

其中：

stm32ai-windows-5.2.0.zip 是我們所需要，該文件夾里面存放的是 X-CUBE-AI 模型轉(zhuǎn)換軟件：stm32ai

STMxxx.pack 是 STM32Cube.AI 的靜態(tài)庫文件，無需解壓，已經(jīng)存在。

解壓 stm32ai-windows-5.2.0.zip 。

例：在這里我將其解壓到：D:Program Files （x86）stm32ai-windows-5.2.0 ，可以在該路徑下看見有一個(gè) windows 文件夾。

記下該路徑，重要重要重要

STM32： X-CUBE-AI 解壓路徑

1.3 ART-PI BSP

先打開 RT-Thread Studio

新建 ART-PI BSP

如果在開發(fā)板的地方，沒有找到 STM32H750-RT-ART-PI，請(qǐng)查閱：

RT-Thread Studio 新建 ART-PI

2. 執(zhí)行步驟

Step1 運(yùn)行 rt_ai_tools/aitools.py

代碼將會(huì)自動(dòng)使用 STM32Cube.AI 的模型轉(zhuǎn)換工具，獲得一個(gè)集成了 AI 的 BSP

對(duì)，就是這么硬核，一步肝到位！

內(nèi)部的流程請(qǐng)看源碼或者 plugin_stm32 倉庫下的 readme 文檔

運(yùn)行命令

進(jìn)入 edge-ai/RTAK/tools 路徑，運(yùn)行 aitools.py。

1# 運(yùn)行命令

2python aitools.py --project=《your_project_path》 --model=《your_model_path》 --platform=stm32 --ext_tools=《your_x-cube-ai_path》 --clear

3

4# 示例

5python aitools.py --project=“D:RT-ThreadStudioworkspace est” --model=“。/Models/keras_mnist.h5” --platform=stm32 --ext_tools=“D:Program Files （x86）stm32ai-windows-5.2.0windows” --clear

運(yùn)行到該步驟操作已經(jīng)結(jié)束，后續(xù)是補(bǔ)充說明。

運(yùn)行命令其他參數(shù)補(bǔ)充說明

1# 指定轉(zhuǎn)換模型的名稱，--model_name 默認(rèn)為 network

2python aitools.py --project=《your_project_path》 --model=《your_model_path》 --model_name=《model_name》 --platform=stm32 --ext_tools=《your_x-cube-ai_path》

3

4# 保存運(yùn)行 stm32ai 線程過程中產(chǎn)生的文件，--clear 默認(rèn)為空

5# 如果存在，則將會(huì)刪除 `stm32ai` 運(yùn)行時(shí)產(chǎn)生的工作文件夾，即`--stm_out`

6python aitools.py --project=《your_project_path》 --model=《your_model_path》 --platform=stm32 --ext_tools=《your_x-cube-ai_path》

7

8# 指定保存運(yùn)行日志， --log 默認(rèn)為空

9python aitools.py --project=《your_project_path》 --model=《your_model_path》 --log=。/log.log --platform=stm32 --ext_tools=《your_x-cube-ai_path》

10

11# 指定保存的文件夾名稱，--stm_out 默認(rèn)是當(dāng)天時(shí)間，比如 ‘。/20210223’

12python aitools.py --project=《your_project_path》 --model=《your_model_path》 --platform=stm32 --ext_tools=《your_x-cube-ai_path》 --stm_out 《new_dir》

13

14# 指定生成的 c-model 名，--c_model_name 默認(rèn)是network

15python aitools.py --project=《your_project_path》 --model=《your_model_path》 --platform=stm32 --ext_tools=《your_x-cube-ai_path》 --c_model_name=《new_model_name》

運(yùn)行參數(shù)詳細(xì)說明

主函數(shù)參數(shù)部分

STM32 平臺(tái)插件參數(shù)部分

Step2 編譯和燒錄

本教程僅展示 RT-Thread Studio 編譯，另外還支持以下幾種編譯方式：

Keil

基于 RT-Thread Env 的 Scons

不基于 RT-Thread Env 的Scons

RT-Thread Studio 編譯和燒錄

在 RT-Thread Studio 中，找到項(xiàng)目工程，右鍵，

更新軟件包 + 刷新工程，

然后編譯（），

最后燒錄加顯示。

編譯成功

這時(shí)候你就已經(jīng)成功獲得了一個(gè)集成了 AI 和 RT-Thread 的新的 ART-Pi BSP，

就可以RT-Thread 系統(tǒng)上做應(yīng)用開發(fā)啦。

示例應(yīng)用代碼提供

我們提供了一份運(yùn)行模型推理的示例代碼 mnist_app.c：

下載解壓，放置到 /applications 路徑下

選中 RT-Thread Studio 中的 項(xiàng)目工程，右擊刷新

編譯燒錄，

輸入命令：mnsit_app

3. 完整的示例工程
編輯：lyn