【基于存内计算芯片开发板验证语音识别】训练手册

实验环境搭建

模块⼀：软件包下载及环境搭建

步骤一：搭建docker、mappper环境：

①Linux下通过Docker直接下载，获取指令：

docker pull witin/toolchain:v001.000.034

②Window环境，可以通过docker desktop来使用docker:

1. 下载安装Docker desktop(win10或以上)：
2. 通常需要更新WSL，下载链接如下，更新后需要重启生效

旧版 WSL 的手动安装步骤 | Microsoft Learn

     3.Docker desktop 基本使用教程：

Docker-desktop(Docker桌面版)——入门篇_dockerdesktop干嘛用的-CSDN博客

     4.Docker desktop通常默认安装在c:\Program File\docker，可以通过软连接的形式修改Docker安装路径：

如何将Docker（Windows桌面版)自定义安装目录_自定义docker安装路径-CSDN博客

     5.在Docker desktop里，可以通过搜索获得witin_toolchain，我们需要的是034版本（ps:Hub反应慢可以开VPN获取，或者使用镜像路径，具体操作方式见3链接）

       6.测试：

①：管理员模式下打开命令行窗口

docker run -it --name XXXX witin/toolchain:v001.000.034

②：默认进入workspace目录下，可以进入witin_mapper下执行测试脚本：

cd witin_mapper

            python3

            tests/python/frontend/onnx/witin/wtm2101/precision/XXXX.py

③：使用exit退出，再次进入可按如下操作：

④：通过docker ps -a获取容器id，然后打开进入容器

步骤二：搭建IDE环境

①预先下载安装包，下载安装

②默认安装路径，直接点击安装

③从主菜单的File->Open…菜单，或者点击工具栏的按钮，打开选择文件对话框，选择要打开的项目文件，即***.wmproject文件即可，点击【打开】按钮即可打开工程。如下图所示。

步骤三：其他需要安装的软件

① 请确保安装以下环境：python, git, pytorch

步骤四：下载训练数据

① 最新数据集在软件安装包中

工程软件安装包：https://download.csdn.net/download/m0_58966968/88602575

实验环境安装包：https://download.csdn.net/download/m0_58966968/88602555

动⼿实验： 简单语音识别系统开发

模块⼀：简介

1. WTMDK2101-X3介绍

WTMDK2101-X3是针对WTM2101 AI SOC设计的评估板，包含：

（1）WTM2101核心板，即我们的存算芯片。

（2）和I/O 板：WTM2101运行需要的电源、以及应用I/O接口等.

1. 

核心板示意图

 WTMDK2101-X3 I/O 板示意图

2, AISHELL-WakeUp-1数据集介绍

AISHELL-WakeUp-1数据集是中英文唤醒词语音数据库，命令词为“你好，米雅” “hi, mia”，语音数据库中唤醒词语音3936003条，1561.12小时，邀请254名发言人参与录制。录制过程在真实家居环境中，设置7个录音位，使用6个圆形16路PDM麦克风阵列录音板做远讲拾音(16kHz，16bit)、1个高保真麦克风做近讲拾音(44.1kHz，16bit)。此数据库可用于声纹识别、语音唤醒识别等研究使用。

本demo以该数据集为例，用不同网络结构展示模型训练及移植过程。

模块⼆：搭建算法训练工程，完成算法训练与量化

1. 模型训练工程搭建:  

本demo提供DNN和DNN_DEEP两种网络结构的示例，网络结构如下，本教程以DNN为例。

   

 DNN

步骤一：配置python/config.py，参数释义见代码注释。

步骤二：运行python/train.py，模型训练完毕后，在models/net_type文件夹下生成bestModel.pth，此即我们的模型权重。

步骤三：运行python/onnx_converter.py，在models/net_type文件夹下生成bestModel.onnx。此步骤即完成原始模型到知存onnx格式模型的转换。

模块三：算法模型转换

1，Dcoker下Mapper转换流程

步骤一：拷贝至指定文件夹

我们将mapper/input 拷贝至witin/toolchain:v001.000.034的指定文件夹下（通常为/home，需与gen_mapper.py文件里描述一致）

步骤二：在workplace\witin_mapper下执行gen_mapper.py

docker start id

docker attach id

cd witin_mapper

python3 /home/mapper/input/gen_mapper.py

步骤三：在对应的output文件下获得输出

模块四：算法模型烧写

步骤一：系统连接：

进行模型烧录和开发时，我们需要将JTAG，核心板，NPU烧写板连接好，并打开开关，如系统连接示意图所示。

步骤二：

系统连接示意图

步骤三：跳线帽连接：

如跳线帽连接示意图所示，按照红框标注进行跳线连接。含义解释： 

跳线	编号	跳帽连接	含义
1	VIN	VSPK	Audio DAC 芯片供电，5V
2	3.3V	AVDD	WTM2101芯片模拟供电，3.3V
3	3.3V	IOVDD	WTM2101芯片I/O供电，3.3V
4	0.9/1.2V	DVDD	用 WTM2101BC 芯片时需接跳帽
5	GND	BOOT0	启动模式，SRAM启动
6	32K	XTAL	晶振
7	RXD	P17	串口
8	TXD	P16
9	PERIV	3.3V	QSPI Flash、数字麦克风、晶振供电，与 IOVDD 选择一致，即3.3V
10	P13	WS	I2S 功放的WS
11	P12	CK	I2S 功放的CK
12	P10	SDO	I2S 功放的SDO
13	P05	DMDIN	数字麦克风的Din
14	P06	DMCK	数字麦克风的CK

     

跳线帽连接示意图

步骤四：

使用project/ WitinProgramTool_WTM2101下的WitinProgramTool.exe进行模型权重烧写。烧写时的开发板接线请参考其他文档。

步骤五：烧写指令:

.\WitinProgramTool.exe -m init

.\WitinProgramTool.exe -m program -i XXXX\map.csv -k 2

其中XXXX为步骤2.（3）中生成的mapper/output/map

示例:

模块五：算法模型在芯片运行推理

步骤一：

从官网下载知存IDE Witmem Studio。

步骤二：

生成的mapper/output/register.c放在project/Model，使用Witmem Studio打开project/Project/SES-RISCV/Demo.wmproject。

步骤三：Target->Download下载工程：

注：本demo所用为x3开发板，所用串口GPIO为16,17。若是其他开发板，请根据情况修改串口。

步骤四：

打开tools中的串口工具，设置波特率115200，查看准确率输出

至此，我们完成了基于存内计算X3开发板的语音识别从训练到部署全流程，本教程结束。

实践存内计算X3开发板咨询📫：cheng.chen@witintech.com