K210 本地深度学习训练（目标检测数据集）教程

前言：k210是嘉楠堪智科技的边缘智能计算芯片，其搭载了神经网络处理器KPU，算力达到了0.8TFLOPS，成为了近年来热门的边缘计算选择。

        本教程主要依托sipeed公司出品的Maix系列开发版，使用python语言进行编译使用。

---------------------------------------------------------------------------------------------------------------------------------

——>！！！！项目链接：Austin-Clinton / k210 · GitCode ！！！！<——

        这是我对sipeed官网的源码进行改进、debug、整合转化工具后的完整版本，省去很多不必要的麻烦与解释，建议使用我的gitcode项目配合教程进行学习。本次演示的系统为linux下的Ubuntu21.10系统，不过教程内容与window下操作无异，可互通学习。

一、配置环境

        通过上述gitcode下载解压后，打开项目文件，找到 "requirements.txt" 文档。对环境要求配置进行安装即可。

其中tensorflow版本不一定要求2.3.1，安装最新版本即可，我安装的是2.10.0版本，可行！

二、代码初始化

        打开主目录下的train.py，找到 "train" 一栏（图中鼠标托蓝处），将 "train" 改为 "init" 即可，运行程序train.py。

       运行程序后，文件中生成新子文件夹 "instance" 以及下属配置文件 "config.py" 。这个config.py就是实际训练中用来调节参数的重要配置文件！！

三、 选择目标检测模式，调用数据集进行训练

        本地训练使用的是yolo v2的代码进行训练，在这里我们参数选择 "detector" 模式，也就是检测模式，与之对应的还有 "classifier" 分类模式，这里我们不做讲解。检测模式更加常用故以此作为演示。接下来，我们选择数据集，在 "datasets" 中我已经为大家解压好了检测部分的例程数据集，直接调用即可。

接下来，进入前面生成的 "comfig.py" 配置文件，进行参数的调节，选择 # detector部分就算检测模式对应的参数。

epochs是训练轮数，batch_size是批尺寸，主要就是调节这两个参数。

一切调完以后就可以运行train.py，进行训练了（记得要将第二步 "init" 处改回 "train" 哦！）

 演示epochs参数调为10轮

训练过程可见CPU占用率几乎拉满，本机为intel core i7 +16G笔记本。

训练GPU占有率不高，原因是该训练是用以边缘计算小模型的训练，CPU的速度足以满足计算，加上GPU加速配置较麻烦若没有基础较难进行配置，为了让大家更快上手便选择了基础的CPU训练模式。

四、训练结果

        训练完成后，文件夹中会生成 "out" 的子文件，里面就包含了训练的相关结果。其中report.jpg中包含了模型损失的下降曲线。

 可见虽然只训练了10轮，但是效果还是十分明显的。

剩下的文件中，其中以.zip格式压缩的文件便包含了最终导入K210芯片的数据。

 

五、导入K210芯片

以下为spieed官方注释，清晰易懂！

---------------------------------------------------------------------------------------------------------------------------------

------------------------------------------

      Maixhub 目标检测训练结果 使用说明

------------------------------------------

文件说明:

* boot.py: 在 maixpy 上运行的代码
* *.kmodel 或者 *.smodel: 训练好的模型文件（ smodel 是加密模型 ）
* labels.txt: 分类标签
* startup.jpg: 启动图标
* report.jpg: 训练报告,包括了损失和准确度报告等
* warning.txt: 训练警告信息，如果有这个文件，务必阅读， 里面的原因可能会导致训练精度低

使用方法:

0. 按照文档(maixpy.sipeed.com)更新到最新的固件
   如果新固件出现bug,可以使用这个固件测试(选择minimum_with_ide_support.bin):
   https://dl.sipeed.com/MAIX/MaixPy/release/master/maixpy_v0.5.1_124_ga3f708c
1. 准备一张 SD 卡, 将本目录下的文件拷贝到 SD 卡根目录
2. SD 卡插入开发板
3. 开发板上电启动
4. 摄像头对准训练的物体,
       屏幕左上角会显示 物体标签 和 概率
       屏幕左下角会显示 运行模型消耗的时间,单位是毫秒

如果没有 SD 卡:

* 按照 maixpy.sipeed.com 文档所述的方式, 将模型烧录到 flash
* 修改 boot.py 的 main 函数调用的参数: model 在 flash 中的地址
* 其它资源文件,比如 startup.jpg 可以通过工具发送到开发板的文件系统,或者不管, 没有会自动跳过显示
* 运行 boot.py
* 如果以上的步骤您不理解,那么应该先完整按照 maixpy.sipeed.com 的文档学习一遍使用方法就会了

问题反馈:
   关于 MaixPy 的问题请到这里提问,提问前搜一下是否有相同问题提出过: https://github.com/sipeed/MaixPy/issues
   maixhub 相关问题请邮件: support@sipeed.com, 每天邮件很多,注意邮件格式很重要,不然可能得不到及时回复请谅解
        邮件标题: [maixhub][故障/建议] 标题内容,简洁描述问题 而 不是 "我需要帮助" "为什么用不了了" 这样的问题
        邮件内容: 如果是出现使用问题或者bug,为了更快更好的帮您解决问题, 请务必写好 错误现象, 详细 的复现过程
   也可以到 bbs.sipeed.com 进行讨论

---------------------------------------------------------------------------------------------------------------------------------

本次实验训练结果的压缩包

资源链接：https://download.csdn.net/download/ClintonCSDN/86724741https://download.csdn.net/download/ClintonCSDN/86724741免费不用积分，可以下载自己试试。