嵌入式AI-K210篇-硬件-模型训练、部署

最新推荐文章于 2024-04-23 22:21:33 发布
最新推荐文章于 2024-04-23 22:21:33 发布
阅读量3.9k 收藏 50
点赞数 4
分类专栏： Kendryte-k210 yolo seasky 文章标签： K210 Kendryte AI RISC-V RV AI YOLO 原理图 PCB 嵌入式
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42754856/article/details/107151499
版权

在这里插入图片描述
K210的其他参数如下：

  • 双核 64-bit RISC-V RV64IMAFDC (RV64GC) CPU / 400MHz（可超频到600MHz）
  • 双精度 FPU
  • 8MiB 64bit 片上 SRAM（6MiB通用SRAM+2MiB的AI专用SRAM）
  • 神经网络处理器（KPU） / 0.8TFLOPS
  • 音频处理器（APU）
  • 可编程 IO 阵列 (FPIOA)
  • 双硬件512点16位复数FFT
  • SPI, I2C, UART, I2S, RTC, PWM, 定时器支持
  • AES, SHA256 加速器
  • 直接内存存取控制器 (DMAC)
  • 芯片采用BGA144封装，28nm制程工艺，芯片功耗低至0.35W，而成本，只要20+RMB。

在这里插入图片描述
自己diy的2.0寸大小的K210板子，支持Maixpy、支持SDK开发，已搭建好配套的开发环境。
在这里插入图片描述

演示视频 硬件开源视频

最低0.47元/天 解锁文章
vseasky
关注
专栏目录
AI模型部署到嵌入式原理与代码实战案例讲解
程序员光剑
08-12 394
1. 背景介绍 1.1 人工智能技术的发展与嵌入式系统的融合 近年来，人工智能（AI）技术取得了显著的进展，在图像识别、语音识别、自然语言处理等领域取得了突破性成果。随着AI技术的不断成熟，将AI模型部署到嵌入式系统中，实现边缘智能化应用成为了新的趋势。嵌入式系统具有体积小、功耗
嵌入式AI---训练自己的yolov5目标检测模型
最新发布
weixin_45816353的博客
07-26 1365
基于常用的轻量级检测算法yolov5s，在3060显卡训练了一个自己的车辆检测模型。源码版本为yolov5 v6.0，采用UA-DETRAC数据集训练。
【嵌入式AI部署神经网络】STM32CubeIDE上部署神经网络之指纹识别（Pytorch）——篇一|环境搭建与模型初步部署篇
热门推荐
嵌入式阿齐Archie
04-23 2万+
本篇主要讲解搭建所需环境，以及基于pytorch框架在stm32cubeide上部署神经网络，部署神经网络到STM32单片机，本篇实现初步部署模型，没有加入训练集与验证集，将在第二篇加入。篇二详细讲解STM32CubeIDE上部署神经网络之指纹识别（Pytorch）的数据准备和模型训练过程等，进行实战，第二篇在本专栏查阅。
K210模型训练
冯小新的博客
07-26 1万+
转载JeckXu666神器！200元开发板运行神经网络模型，吊打OpenMV！（保姆级教程）_JeckXu的博客-CSDN博客_k210和openmv哪个好用 文章目录 神器！200元开发板运行神经网络模型，吊打OpenMV！（保姆级教程） 一、前言 二、开发准备（软件+环境） 三、获取训练图片 3.1 手机获取图片 3.2 通过K210进行图片拍取 四、获取训练集 五、网络平台训练 5.1 获取机器码 5.1.1 下载固件 5.1.2 串口读取 5.2 提交训练集到模型平台 六、模型导入 6.1 压..
K210官网云端目标检测模型训练-使用vott进行图像标注二
qq_44796372的博客
05-13 634
今天做了多个类别的目标检测模型，记录一下。 本来想用之前的vott文件在此基础上进行添加，结果文件打开不了，也不知道是什么原因，从头再来了一遍。历经3个小时终于标注完了！！！
最详细的K210模型训练步骤
m0_68512456的博客
05-12 5983
大家好，相信大家在用K210开发板的时候都会遇到不会训练模型的情况，我也遇到同样的问题，现在我教一下你怎么训练自己的模型吧
零基础的嵌入式机器学习：Edge Impulse使用教程之训练模型浅析(1)——分类模型
m0_56041246的博客
07-19 1万+
Edge Impulse是一个应用于嵌入式领域的在线的机器学习网站，不仅为用户提供了一些现成的神经网络模型以供训练，还能直接将训练好的模型转换成能在单片机MCU上运行的代码，使用方便，容易上手。本文就Edge Impulse的三大模型之一的分类模型进行浅析。 针对于图像的分类识别模型，读者可参考OpenMv或树莓派等主流图像识别单片机系统的现有历程，容易上手，简单可靠。单击此处转到——星瞳科技OpenMv 所以接下来的分析主要是针对数据进行识别的分类模型。...
1 - PaddlePi-K210 快速上手操作指南—-V1.01
08-03
PaddlePi-K210是百度与嘉楠科技合作推出的一款...总的来说，PaddlePi-K210为开发者提供了一个便捷的深度学习开发平台，结合AI Studio的云服务，可以有效地进行模型训练和硬件部署，适用于各种边缘计算和嵌入式AI应用。
PaddlePi-K210.zip
11-16
开发过程中可能需要训练模型并将其部署到K210上。 7. **开发环境和工具**：使用哪些IDE、编译器、调试器等工具进行开发，以及如何配置和烧录固件。 8. **文档和示例代码**：压缩包内可能包含项目介绍、电路原理图...
亚博智能k210模块-基于canmv训练识别数字
10-02
亚博智能K210模块是一款专为嵌入式人工智能应用设计的微控制器，它集成了高效的硬件加速器，能够处理复杂的机器学习任务，如数字识别。基于CANMV（可能是"Computer Vision on Microcontrollers"的缩写）训练的数字...
=一种基于嵌入式Linux的PDA手机的设计.PDF
09-29
=一种基于嵌入式Linux的PDA手机的设计.PDF
10000例人脸照片+金发，训练人脸识别模型使用
12-21
这是一个人脸特征样本，共10000例，全是金色头发的人脸照片，使用这些照片去进行训练
K210数字识别（0~9）模型源文件，模型测试，和全过程，K210原理图（加摄像头）
04-16
K210是一款由国内公司Sipeed开发的低功耗、高性能的RISC-V双核处理器，常用于嵌入式人工智能应用。它的硬件加速器支持神经网络运算，使得在微型设备上运行图像处理和模式识别任务成为可能。 描述中提到的"模型加...
AI嵌入式K210项目（18）-卷积人工神经网络硬件加速器 KPU
疯狂飙车的蜗牛的博客
01-24 2676
K210内置了丰富的加速器，包括神经网络处理器 (KPU)，AES(高级加密加速器)，APU 麦克风阵列语音数据加速计算处理器，现场可编程 IO 阵列 (FPIOA)，数字摄像头接口 (DVP)，相对于软件可以极大的提高 AES 运算速度，快速傅里叶变换加速器 (FFT)，安全散列算法加速器 (SHA256)。本文介绍内置的卷积人工神经网络硬件加速器 KPU；K210芯片内置了卷积人工神经网络硬件加速器KPU，它可以在低功耗的情况下实现卷积神经网络计算，实时获取被检测目。
Mx-yolov3+Maixpy+ K210进行本地模型训练和目标检测
戚晨夕的博客
10-30 2万+
我接触K210同样也是因为一次比赛，需要进行目标检测并对垃圾进行分类，在接触到K210之前我一直使用各种YOLO版本检测，并部署到树莓派和nano上，一次偶然的机会，我发现了K210，这里要感谢我的一位学长，是他带着我开始了K210的学习，让我从盲目的命令行指令转到Maxipy上使用Python来学习K210。我写下这篇博客是为了记录我的学习生活，并感谢这位帮助我的学长。 文章目录前言一、所需环境1.硬件环境2.软件环境二、Mx-yolov31.软件环境配置1.python环境2.相关依赖包3.GPU训练配
AI嵌入式K210项目（29）-模型加载
疯狂飙车的蜗牛的博客
02-19 1675
上一章节介绍了如何进行在线模型训练，生成部署包后，本章介绍加载模型；K210的介绍就到这里，接下来给大家介绍最新的K230芯片开发板，如需购买可以到pdd和淘宝搜索维脑科技，购买CANMV-K230开发吧；
嵌入式AI——模型轻量化部署
qq_51993885的博客
05-20 1558
嵌入式端的模型轻量化部署
【嵌入式】AI落地部署技能
liudongdong_jlu
12-16 1209
嵌入式AI部署技能
K210的分类模型训练
05-24
K210是一个嵌入式人工智能芯片，可以用于实现图像识别等任务。如果你想要训练一个K210的分类模型，可以按照以下步骤进行： 1. 数据准备：收集并标注需要分类的图像数据集，将其划分为训练集和测试集，确保每个类别的样本数均衡。 2. 模型选择：在K210上可以使用的深度学习框架包括TensorFlow Lite、Keras和PyTorch等。你可以根据自己的需求选择适合的框架。 3. 模型训练：使用选定的深度学习框架，在训练集上训练分类模型。这个过程需要耗费大量时间和计算资源。 4. 模型转换：训练完成后，将模型转换为K210支持的格式（比如.tflite或.kmodel）。 5. 模型部署：将转换后的模型部署到K210上，可以使用K210 SDK或者MaixPy等工具进行部署和测试。 需要注意的是，K210的计算资源比较有限，因此需要对模型进行优化，以确保在K210上能够高效地运行。
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值