[问答]

在xr806板子上如何实现用ncnn跑神经网络mnis呢

问答对人有帮助，内容完整，我也想知道答案 0 在xr806板子上如何实现用ncnn跑神经网络mnis呢？ 0
2021-12-28 06:51:07　　评论淘帖0 邀请回答您可以邀请以下用户，快速回答问题 × 文小二该类别下有 5 个回答。邀请回答 yqdedli 该类别下有 4 个回答。邀请回答 caosurround 该类别下有 3 个回答。邀请回答 heks 该类别下有 3 个回答。邀请回答 LL-LING宁该类别下有 3 个回答。邀请回答 yu1004402274 该类别下有 3 个回答。邀请回答笑过就走该类别下有 3 个回答。邀请回答 zym123456 该类别下有 3 个回答。邀请回答 hfgdf 该类别下有 3 个回答。邀请回答倪love 该类别下有 3 个回答。邀请回答梅利号该类别下有 3 个回答。邀请回答肖耳朵该类别下有 2 个回答。邀请回答小萃米该类别下有 2 个回答。邀请回答 Arttronix 该类别下有 2 个回答。邀请回答 denxinan 该类别下有 2 个回答。邀请回答 fhdgxfvx 该类别下有 2 个回答。邀请回答 hfgfsds 该类别下有 2 个回答。邀请回答 60user157 该类别下有 2 个回答。邀请回答 tiantian55 该类别下有 2 个回答。邀请回答 riverdj 该类别下有 2 个回答。邀请回答举报 kmno4 相关推荐 • 跑一跑XR806的自带demo 742 • 如何保证休眠时XR806芯片GPIO的电平状态呢 1222 • 有哪位大神可以分享一下XR806开发板/模组的资料呢 1236 • XR806板子编译时会出现哪些问题呢 1031 • 如何利用XR806开发板去实现一种UDP通信呢 876 • XR806芯片的mac地址要如何存放以及如何获取 1132 • 如何对XR806开发板的环境进行配置呢 1273 • 如何在一块全新的全志D1开发板上跑个ncnn神经网络推理框架的demo？ 1792 • 请问XR806在线调试的方法步骤是什么？ 703 • 请问大佬XR806鸿蒙开发板怎么样？ 1411 2个回答

答案对人有帮助，有参考价值 0 　　0x1 配环境，编译，烧录　　配代理　　export http_proxy=“http://127.0.0.1:4567” 　　export https_proxy=“http://127.0.0.1:4567” 　　下载 repo 工具，配 PATH 　　mkdir -p bin 　　curl https://storage.googleapis.com/git-repo-downloads/repo 》 bin/repo 　　chmod a+rx bin/repo 　　PATH=“`pwd`/bin：$PATH” 　　下载 hb 工具，配 PATH 　　pip install --user ohos-build 　　PATH=“$HOME/.local/bin：$PATH” 　　下载 openharmony 源码　　有时候会遇到错误 error.GitError： manifest rev-list （‘^e263a2d3e4557381c32fa31ce24384048d07d682’， ‘HEAD’， ‘--’）： fatal： bad object HEAD，多次重试即可　　repo init -u https://gitee.com/openharmony-sig/manifest.git -b OpenHarmony_1.0.1_release --no-repo-verify -m devboard_xr806.xml 　　repo sync -c 　　repo forall -c ‘git lfs pull’ 　　下载 arm toolchain 　　wget -c https://developer.arm.com/-/media/Files/downloads/gnu-rm/10-2020q4/gcc-arm-none-eabi-10-2020-q4-major-x86_64-linux.tar.bz2 　　tar -xf gcc-arm-none-eabi-10-2020-q4-major-x86_64-linux.tar.bz2 　　更新 toolchain 信息　　不要用最新版本的工具链，会编译失败　　sed -i “s@~/tools/gcc-arm-none-eabi-10-2020-q4-major/bin/arm-none-eabi-@`pwd`/gcc-arm-none-eabi-10-2020-q4-major/bin/arm-none-eabi-@g” device/xradio/xr806/liteos_m/config.gni 　　sed -i “s@~/tools/gcc-arm-none-eabi-10-2020-q4-major/bin@`pwd`/gcc-arm-none-eabi-10-2020-q4-major/bin@g” device/xradio/xr806/xr_skylark/gcc.mk 　　修正 SDKconfig.gni 生成，修正 copy 脚本　　sed -i “s@open（‘。{0}/@open（’{0}/@g” device/xradio/xr806/xr_skylark/config.py 　　sed -i “s@open（‘。{0}/@open（’{0}/@g” device/xradio/xr806/libcopy.py 　　编译默认的固件　　menuconfig 直接 EXIT，后面再选择 wifi_skylark 　　cd device/xradio/xr806/xr_skylark 　　cp project/demo/audio_demo/gcc/deconfig .config 　　make build_clean 　　make menuconfig 　　make lib -j 　　cd - 　　hb set 　　hb build -f 　　烧录固件　　u* 连接 xr806 开发板，此时会出现 /dev/ttyUSB0 设备（多个设备也可能是别的编号）　　打开 device/xradio/xr806/xr_skylark/tools/settings.ini，修改固件路径，默认是 strImagePath = 。。/out/xr_system.img，iBaud 保持默认 iBaud = 921600 　　root 权限执行 phoenixMC 工具，开始烧录　　cd device/xradio/xr806/xr_skylark/tools 　　su 　　。/phoenixMC 　　串口查看输出　　root 权限执行 tio，添加 -m INLCRNL 参数将 n 自动调整为 rn 防止输出乱掉　　su 　　tio -m INLCRNL /dev/ttyUSB0 　　按下 xr806 上的 reset 按钮（u*接口右边的按钮），tio 里会输出信息　　0x2 编译出 hello world 　　打开 device/xradio/xr806/BUILD.gn，启用 deps += “ohosdemo:ohosdemo” 　　打开 device/xradio/xr806/ohosdemo/BUILD.gn，启用 deps = “hello_demo:app_hello” 　　重新上一节编译默认的固件操作，串口会每秒打印 hello world 　　0x3 精简和编译 ncnn 　　配置 cmake toolchain 　　下载最新 ncnn 源码　　git clone https://github.com/Tencent/ncnn.git 　　在 toolchains 目录新建 xr806.toolchain.cmake，设置 toolchain 目录和编译器路径　　为避免引入架构相关的代码，处理器设为 xtensa 　　从前面生成的 device/xradio/xr806/liteos_m/SDKconfig.gni 中摘抄有用的目标编译参数，设为默认编译参数　　set（CMAKE_SYSTEM_NAME Generic）　　set（CMAKE_SYSTEM_PROCESSOR xtensa）　　set（CMAKE_C_COMPILER “/home/nihui/osd/xr806/gcc-arm-none-eabi-10-2020-q4-major/bin/arm-none-eabi-gcc”）　　set（CMAKE_CXX_COMPILER “/home/nihui/osd/xr806/gcc-arm-none-eabi-10-2020-q4-major/bin/arm-none-eabi-g++”）　　set（CMAKE_FIND_ROOT_PATH “/home/nihui/osd/xr806/gcc-arm-none-eabi-10-2020-q4-major/arm-none-eabi”）　　set（CMAKE_TRY_COMPILE_TARGET_TYPE STATIC_LIBRARY）　　set（CMAKE_FIND_ROOT_PATH_MODE_PROGRAM NEVER）　　set（CMAKE_FIND_ROOT_PATH_MODE_LIBRARY ONLY）　　set（CMAKE_FIND_ROOT_PATH_MODE_INCLUDE ONLY）　　set（CMAKE_FIND_ROOT_PATH_MODE_PACKAGE ONLY）　　set（CMAKE_C_FLAGS “-mcpu=cortex-m33 -mtune=cortex-m33 -march=armv8-m.main+dsp -mfpu=fpv5-sp-d16 -mfloat-abi=softfp -mcmse -mthumb -fno-common”）　　set（CMAKE_CXX_FLAGS “-mcpu=cortex-m33 -mtune=cortex-m33 -march=armv8-m.main+dsp -mfpu=fpv5-sp-d16 -mfloat-abi=softfp -mcmse -mthumb -fno-common”）　　# cache flags 　　set（CMAKE_C_FLAGS “${CMAKE_C_FLAGS}” CACHE STRING “c flags”）　　set（CMAKE_CXX_FLAGS “${CMAKE_CXX_FLAGS}” CACHE STRING “c++ flags”）　　精简 ncnn 功能，减小二进制体积　　参考文档 https://github.com/Tencent/ncnn/wiki/build-minimal-library 在 xr806.toolchain.cmake 追加 ncnn cmake 编译选项　　去除 bf16，int8，图像处理，文件加载模型，多线程，平台相关功能，C接口，c++ rtti exception 　　去除 mnist 模型中用不到的算子　　开启 NCNN_SIMPLESTL 以便在没有 c++ stl 的 xr806 上使用 c++ stl 特性　　option（NCNN_INSTALL_SDK “” ON）　　option（NCNN_PIXEL_ROTATE “” OFF）　　option（NCNN_PIXEL_AFFINE “” OFF）　　option（NCNN_PIXEL_DRAWING “” OFF）　　option（NCNN_BUILD_BENCHMARK “” OFF）　　option（NCNN_BUILD_TESTS “” OFF）　　option（NCNN_BUILD_TOOLS “” OFF）　　option（NCNN_BUILD_EXAMPLES “” OFF）　　option（NCNN_DISABLE_RTTI “” ON）　　option（NCNN_DISABLE_EXCEPTION “” ON）　　option（NCNN_BF16 “” OFF）　　option（NCNN_INT8 “” OFF）　　option（NCNN_THREADS “” OFF）　　option（NCNN_OPENMP “” OFF）　　option（NCNN_STDIO “” OFF）　　option（NCNN_STRING “” OFF）　　option（NCNN_C_API “” OFF）　　option（NCNN_PLATFORM_API “” OFF）　　option（NCNN_RUNTIME_CPU “” OFF）　　option（NCNN_SIMPLESTL “” ON）　　option（WITH_LAYER_absval “” OFF）　　option（WITH_LAYER_argmax “” OFF）　　option（WITH_LAYER_batchnorm “” OFF）　　option（WITH_LAYER_bias “” OFF）　　option（WITH_LAYER_bnll “” OFF）　　option（WITH_LAYER_concat “” OFF）　　option（WITH_LAYER_convolution “” ON）　　option（WITH_LAYER_crop “” OFF）　　option（WITH_LAYER_deconvolution “” OFF）　　option（WITH_LAYER_dropout “” OFF）　　option（WITH_LAYER_eltwise “” OFF）　　option（WITH_LAYER_elu “” OFF）　　option（WITH_LAYER_embed “” OFF）　　option（WITH_LAYER_exp “” OFF）　　option（WITH_LAYER_flatten “” ON）　　option（WITH_LAYER_innerproduct “” ON）　　option（WITH_LAYER_input “” ON）　　option（WITH_LAYER_log “” OFF）　　option（WITH_LAYER_lrn “” OFF）　　option（WITH_LAYER_memorydata “” ON）　　option（WITH_LAYER_mvn “” OFF）　　option（WITH_LAYER_pooling “” ON）　　option（WITH_LAYER_power “” OFF）　　option（WITH_LAYER_prelu “” OFF）　　option（WITH_LAYER_proposal “” OFF）　　option（WITH_LAYER_reduction “” OFF）　　option（WITH_LAYER_relu “” ON）　　option（WITH_LAYER_reshape “” ON）　　option（WITH_LAYER_roipooling “” OFF）　　option（WITH_LAYER_scale “” OFF）　　option（WITH_LAYER_sigmoid “” OFF）　　option（WITH_LAYER_slice “” OFF）　　option（WITH_LAYER_softmax “” OFF）　　option（WITH_LAYER_split “” ON）　　option（WITH_LAYER_spp “” OFF）　　option（WITH_LAYER_tanh “” OFF）　　option（WITH_LAYER_threshold “” OFF）　　option（WITH_LAYER_tile “” OFF）　　option（WITH_LAYER_rnn “” OFF）　　option（WITH_LAYER_lstm “” OFF）　　option（WITH_LAYER_binaryop “” ON）　　option（WITH_LAYER_unaryop “” OFF）　　option（WITH_LAYER_convolutiondepthwise “” OFF）　　option（WITH_LAYER_padding “” ON）　　option（WITH_LAYER_squeeze “” OFF）　　option（WITH_LAYER_expanddims “” OFF）　　option（WITH_LAYER_normalize “” OFF）　　option（WITH_LAYER_permute “” OFF）　　option（WITH_LAYER_priorbox “” OFF）　　option（WITH_LAYER_detectionoutput “” OFF）　　option（WITH_LAYER_interp “” OFF）　　option（WITH_LAYER_deconvolutiondepthwise “” OFF）　　option（WITH_LAYER_shufflechannel “” OFF）　　option（WITH_LAYER_instancenorm “” OFF）　　option（WITH_LAYER_clip “” OFF）　　option（WITH_LAYER_reorg “” OFF）　　option（WITH_LAYER_yolodetectionoutput “” OFF）　　option（WITH_LAYER_quantize “” OFF）　　option（WITH_LAYER_dequantize “” OFF）　　option（WITH_LAYER_yolov3detectionoutput “” OFF）　　option（WITH_LAYER_psroipooling “” OFF）　　option（WITH_LAYER_roialign “” OFF）　　option（WITH_LAYER_packing “” ON）　　option（WITH_LAYER_requantize “” OFF）　　option（WITH_LAYER_cast “” ON）　　option（WITH_LAYER_hardsigmoid “” OFF）　　option（WITH_LAYER_selu “” OFF）　　option（WITH_LAYER_hardswish “” OFF）　　option（WITH_LAYER_noop “” OFF）　　option（WITH_LAYER_pixelshuffle “” OFF）　　option（WITH_LAYER_deepcopy “” OFF）　　option（WITH_LAYER_mish “” OFF）　　option（WITH_LAYER_statisticspooling “” OFF）　　option（WITH_LAYER_swish “” OFF）　　option（WITH_LAYER_gemm “” ON）　　option（WITH_LAYER_groupnorm “” OFF）　　option（WITH_LAYER_layernorm “” OFF）　　option（WITH_LAYER_softplus “” OFF）　　option（WITH_LAYER_gru “” OFF）　　option（WITH_LAYER_multiheadattention “” OFF）　　option（WITH_LAYER_gelu “” OFF）　　option（WITH_LAYER_convolution1d “” OFF）　　option（WITH_LAYER_pooling1d “” OFF）　　option（WITH_LAYER_convolutiondepthwise1d “” OFF）　　option（WITH_LAYER_convolution3d “” OFF）　　option（WITH_LAYER_convolutiondepthwise3d “” OFF）　　option（WITH_LAYER_pooling3d “” OFF）　　进一步精简 ncnn 代码，减小二进制体积　　打开 src/layer/fused_activation.h，删除除 relu 激活外的其他激活函数实现，避免调用 exp log 等 xr806 上没有的数学函数　　打开 src/layer/binaryop.cpp，删除 forward 中除 ADD 外的其他二元操作，减小 binaryop 算子二进制体积　　编译 xr806 平台的 ncnn 　　mkdir build-xr806 　　cd build-xr806 　　cmake -DCMAKE_TOOLCHAIN_FILE=。。/toolchains/xr806.toolchain.cmake -DCMAKE_BUILD_TYPE=Release 。。　　make -j4 　　make install 　　编译出的 ncnn 库和头文件在 build-xr806/install 中，libncnn.a 大小约为 234KB 　　0x4 实现 mnist 手写数字识别　　配置 c++ 工程　　仿照前面 hello world demo，新建 ncnn demo 工程，main.c 重命名为 main.cpp 　　将前面编译出的 build-xr806/install 目录拷贝到 ncnn_demo 中　　BUILD.gn 中新加 cflags_cc 是 C++ 编译参数，include_dirs 增加 ncnn 头文件目录　　import（“//device/xradio/xr806/liteos_m/config.gni”）　　static_library（“app_ncnn”） { 　　configs = ［］　　sources = ［　　“src/main.cpp”，　　］　　cflags = board_cflags 　　cflags_cc = board_cflags 　　include_dirs = board_include_dirs 　　include_dirs += ［　　“//kernel/liteos_m/kernel/arch/include”，　　“src/ncnn/include”，　　］　　} 　　实现 ncnn mnist 　　参考 https://github.com/Tencent/ncnn 的相关教程，从训练的模型转换出 ncnn 模型　　使用 ncnnoptimize 优化模型架构，使用 ncnn2mem 将模型转换为可嵌入程序的静态数组　　为了后续能直接引用加载模型，使用 fp32 类型　　ncnnoptimize mnist_1.param mnist_1.bin mnist_1_opt.param mnist_1_opt.bin 0 　　ncnn2mem mnist_1_opt.param mnist_1_opt.bin mnist_1.id.h mnist_1_bin.h 　　引用加载模型，直接使用程序 rodata 数据，加载不会再申请堆内存，适合 xr806 这样的运行内存较小的设备　　#include “ncnn/benchmark.h” 　　#include “ncnn/cpu.h” 　　#include “ncnn/net.h” 　　#include “ncnn/mat.h” 　　#include “mnist_1_bin.h” 　　ncnn：：Net net; 　　net.load_param（mnist_1_opt_param_bin）; 　　net.load_model（mnist_1_opt_bin）; 　　预先读取 28x28 灰度图的像素数据，存放在 const unsigned char IN_IMG［］数组中　　在推理前后使用 ncnn：：get_current_time api 获得当前 ms 时间戳，算出推理耗时　　ncnn：：Mat in = ncnn：：Mat：：from_pixels（IN_IMG， ncnn：：Mat：：PIXEL_GRAY， 28， 28）; 　　ncnn：：Mat out; 　　double start = ncnn：：get_current_time（）; 　　ncnn：：Extractor ex = net.create_extractor（）; 　　ex.input（0， in）; 　　ex.extract（17， out）; 　　double end = ncnn：：get_current_time（）; 　　float time_ms = end - start; 　　输出 10 分类结果，找到概率最高的识别结果　　int gussed = -1; 　　float guss_exp = -10000000; 　　for （int i = 0; i 《 10; i++）　　{ 　　printf（“%d： %.2fn”， i， out［i］）; 　　if （out［i］》 guss_exp）　　{ 　　gussed = i; 　　guss_exp = out［i］; 　　} 　　} 　　printf（“I think it is number %d！n”， gussed）;

2021-12-28 10:59:16 评论举报李雪飞

答案对人有帮助，有参考价值 0 以上代码封装好后，在 main.cpp MainThread 调用　　0x5 编译含有 ncnn mnist 的固件，新的问题和应对　　链接失败，找不到 operator new 等 C++ 底层实现　　menuconfig 中的 C++ support 其实并没什么用，只要编译 ncnn 时开启 NCNN_SIMPLESTL 选项即可　　链接失败，找不到 exp pow log 等数学函数实现　　似乎是没有 libm，就直接把 ncnn 中使用的代码删除吧，主要就是 src/fused_activation.h 的 sigmoid 这些，模型没用到就不需要　　链接失败，找不到 ncnn 的实现　　没有链接 libncnn.a，应该是 BUILD.gn 没写好，但我也不知道怎么写，于是直接修改 device/xradio/xr806/libcopy.py 　　在 APPlib = filenames_filter（FnList，‘libapp_’，‘.a’）后面添加　　os.system（“cp /home/nihui/osd/xr806/device/xradio/xr806/ohosdemo/ncnn_demo/src/ncnn/lib/libncnn.a /home/nihui/osd/xr806/device/xradio/xr806/xr_skylark/lib/ohos/”）　　APPlib.append（“libncnn.a”）　　修复 image map 　　在重复前面编译过程时，发生 bin0 bin1 重叠问题，打开 device/xradio/xr806/xr_skylark/project/demo/wlan_ble_demo/image/xr806/image_wlan_ble.cfg，将自动生成的 device/xradio/xr806/xr_skylark/project/demo/wlan_ble_demo/image/xr806/image_auto_cal.cfg 文件内容覆盖前者，再次编译解决　　无法烧录，救活 xr806 　　在烧录含有 ncnn mnist 固件后，加载 mnist 模型发生 malloc 失败，此后出现 cpu exception 6 并显示一大堆崩坏的指针，死机，也无法烧录新固件　　参考 https://xr806.docs.aw-ol.com/study/soft_flash/ 最后的方法，用镊子接触 GNB 和 PN2，并按下 reset 按钮，再烧录即可成功　　去除 wifi 蓝牙模块　　因为资源实在紧张，要去除 wifi 蓝牙　　又因为对 openharmony 不熟悉，于是暴力删除 device/xradio/xr806/adapter/hals/communication 文件夹　　此时编译出错，找到 build/lite/config/component/lite_component.gni 　　修改，不让添加 communication/wifi_lite 　　# add component features 　　foreach（feature_label， features） { 　　print（feature_label）　　if （feature_label ！= “//device/xradio/xr806/adapter/hals/communication/wifi_lite/wifiservice:wifiservice”） { 　　deps += ［ feature_label ］　　} 　　} 　　menuconfig 去掉 wifi 蓝牙的相关功能　　再次编译解决，烧录固件后，不再 malloc 失败，可以正常推理 ncnn mnist 　　0x6 xr806 ncnn mnist 推理实测　　整理的项目 https://github.com/nihui/ncnn_on_xr806 https://github.com/nihui/ncnn_on_esp32 　　耗时非常稳定，测得算力几乎持平 esp32c3

2021-12-28 10:59:21 评论举报李恩琪