国产芯上运行TINYMAXI轻量级的神经网络推理库

本篇测评由与非网的优秀测评者“短笛君”提供。本文将介绍基于米尔电子MYD-YD9360商显板（米尔基于芯驰D9360国产开发板）的TinyMaxi轻量级的神经网络推理库方案测试。

本文引用地址：https://www.eepw.com.cn/article/202407/460809.htm

算力测试

TinyMaix是面向单片机的超轻量级的神经网络推理库，即TinyML推理库，可以让你在任意单片机上运行轻量级深度学习模型~

搭建的环境为编译的Ubuntu18.04 已经预装好cmake make工具由于魔法网络原因，这里提前下载好tar包到宿主机上，然后传输到板卡中解压

● 查看cmake版本

cmake-version

● 查看make版本

make-version

确认文件路径，尽量不要拷贝到有权限的路径下

自带示例

文件结构

MNIST示例

MNIST是手写数字识别任务

cd到examples/mnist目录下 使用mkdir build && cd build 命令切换到build文件夹下

cmake..make./mnist

cmake生成构建系统

使用make构建可执行文件然后运行

可以看到输出信息

MNIST示例默认未使用任何指令加速，运行了一张 28×28 的手写数字模拟图像，共消耗了 0.114 毫秒

MBNET示例

mbnet 是适用于移动设备的简单图像分类模型。

● 切换到/examples/mbnet目录：

● 修改main.c文件

● 创建build文件夹并切换

● 使用cmake命令生成构建系统

● 使用make命令构建系统，生成可执行文件

● 运行可执行文件，执行效果如下

● MBNET 示例运行输入了一张 96×96×3 的 RGB 图像，输出 1000 分类，共消耗了 16.615 毫秒

运行cifar10 demo

米尔电子MYD-YD9360商显板