面對(duì)消費(fèi)電子中紛繁的智能檢測(cè)需求，如何讓算法持續(xù)進(jìn)化？富瀚微最新發(fā)布的FH86X6V300芯片AI訓(xùn)練教程，以FH8626V300L為硬件核心，手把手帶您走通從模型訓(xùn)練到端側(cè)部署的完整鏈路。掌握自定義AI開發(fā)能力，即可打造更精準(zhǔn)、更經(jīng)濟(jì)的智能檢測(cè)方案。

掃碼申請(qǐng)?jiān)囉糜布?模型訓(xùn)練工具：

或前往淘寶購(gòu)買：https://e.tb.cn/h.SDz8fmbdZoxn8fI?tk=w2b6fn2xZpQ

一. AI模型訓(xùn)練環(huán)境搭建

環(huán)境需求

Ubuntu 18.04以上都可以 (自行安裝)

Python 3.6

CUDA 10.0 （基于RTX10系列顯卡）

CUDA 11.4 (基于RTX30 系列顯卡，低于CUDA 11.1以下無法激活顯卡的nn性能)

python3.6環(huán)境安裝

本環(huán)境推薦使用Miniforge來配置環(huán)境，ubuntu可以選擇18.04以后版本，當(dāng)前以u(píng)buntu22.04為例適配。

miniforge安裝適配

#下載適合系統(tǒng)架構(gòu)的安裝包Wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh#添加執(zhí)行權(quán)限chmod +x Miniforge3-Linux-x86_64.sh#運(yùn)行安裝腳本bash Miniforge3-Linux-x86_64.sh#按Enter查看許可協(xié)議，輸入yes接受#確認(rèn)安裝路徑（默認(rèn)~/miniforge3）#選擇yes初始化shell#重啟終端或根據(jù)使用的shell執(zhí)行對(duì)應(yīng)命令：

初始化環(huán)境

#對(duì)于bash用戶：source~/.bashrc#對(duì)于zsh用戶：source~/.zshrc

創(chuàng)建python3.6訓(xùn)練環(huán)境

#創(chuàng)建python3.6環(huán)境mambacreate -n py36 python=3.6#激活py36環(huán)境condaactivate py36

tensorflow1.15環(huán)境安裝

#升級(jí)pippython-m pip install --upgrade pip
#安裝tensorflow 1.15環(huán)境pip install nvidia-pyindexpip install nvidia-tensorflow[horovod]
#安裝訓(xùn)練依賴包pip install cryptographypip install cmakepip install opencv_python==4.5.5.64pip install tqdmpip install easydictpip install matplotlib

二. AI模型訓(xùn)練

0 訓(xùn)練配置

訓(xùn)練不同網(wǎng)絡(luò)需要將對(duì)應(yīng)的config_xxx.py重命名為config.py，并在config.py里面修改數(shù)據(jù)路徑和GPU相關(guān)配置，尤其注意case_id的選擇，不同的case_id代表不同的網(wǎng)絡(luò)結(jié)構(gòu)，會(huì)有性能和代價(jià)的不同。

cp./ZTV2/config_xxx.py config.py

1 準(zhǔn)備數(shù)據(jù)

將圖片和標(biāo)簽轉(zhuǎn)化為深度學(xué)習(xí)可識(shí)別的數(shù)據(jù)格式。

python1_create_tfrecords_example.py

2 檢查數(shù)據(jù)是否生成正確

python2_check_data_created_correctness_example.py

3 開始訓(xùn)練

建議GPU Memory > 8G , Batchsize>8

確保上階段生成的數(shù)據(jù)路徑正確。

模型輸出地址config.checkpoint_dir 可自定義

config.ckpt為初始化的參數(shù)，可以在各自文件夾內(nèi)找到

python3_finetune_example.py

4 測(cè)試

將訓(xùn)練完成的模型 通過修改config.py中的config.ckpt_test載入文件

輸出測(cè)試結(jié)果config.output_txt_file

python4_test_example.py

5 生成nbg文件

選擇需要轉(zhuǎn)化的模型地址寫入config.py中config.ckpt_to_nbg

會(huì)在當(dāng)前目錄下生成nbg文件

python5_trans_ckpt_to_nnip_example.py

生成模型文件，用于端側(cè)部署加載：

三. 應(yīng)用部署

基礎(chǔ)應(yīng)用構(gòu)建參考此文章：

手把手帶你玩轉(zhuǎn)智能模型——RT-Thread×富瀚微FH8626V300L初級(jí)智能案例實(shí)戰(zhàn) | 技術(shù)集結(jié)

1 AI檢測(cè)的端側(cè)數(shù)據(jù)流

2 AI檢測(cè)的端側(cè)處理流程