cube可信框架踩坑指南

总结了可信计算教材(可信计算3.0工程初步)中实验的一些坑,实验内容包含cube框架编译和国密sm2算法及例子测试。

1.前期步骤中需要修改的环境变量

环境变量环境变量

2.关于临时环境变量设置
使用source set_env.sh命令,完成编译环境设置中,实际上是调用export。但export设置环境变量是暂时的,只在本次登录中有效(同一个terminal下有效),所以如果再新建shell,然后去编译框架会导致找不到头文件错误。
3.sm2算法及测试代码
在进入sm2_impl目录,执行make时会出现sm3_ext.o无法生成的错误,猜测可能是本地多次更新升级代码,Makefile文件中的编译过程有问题。这里有两个解决办法,第一个是读懂sm3相关几个文件的代码逻辑,补全Makefile中缺少的文件编译过程;第二个是找到老版本的例子和算法(教材出版后,gitee上的代码有多次更新)。我用的是第二种方法,老版本算法及例子链接:
https://wws.lanzous.com/b0260t2ej
密码:3etf
4.测试代码的环境变量
在这里插入图片描述

  • 这里需要在不切换shell的情况下执行
  • set_env.sh的默认权限是没法执行脚本的,按理来说赋予执行权限就足够了chmod +x set_env.sh,两个目录下的set_env.sh文件都需要修改下权限(好像只有一个是有问题的,建议两个都覆盖修改一遍)
  • 查看自己的临时环境变量的命令:export
    5.补充提示
    在这里插入图片描述

最后一步,这里需要修改环境变量

  • 4
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
在使用Cube AI框架训练深度学习模型之前,你需要进行以下准备工作: 1. 准备训练数据集:你需要收集足够数量的鱼类图像,将其分为训练集和验证集。训练集用于训练模型,验证集用于验证模型的准确率和泛化能力。 2. 数据预处理:对训练图像进行预处理,例如缩放、裁剪、旋转、翻转等,以增加数据集的多样性,并提高模型的鲁棒性。 3. 选择合适的深度学习模型:你可以使用卷积神经网络(CNN)或其他类型的深度学习模型来训练。选择合适的模型架构对于模型的准确率和泛化能力至关重要。 4. 配置训练超参数:你需要配置一些训练超参数,例如学习率、批量大小、迭代次数等,以优化训练过程。 在进行了上述准备工作之后,你可以使用Cube AI框架来训练深度学习模型。具体步骤如下: 1. 定义模型:使用Cube AI框架定义深度学习模型,包括网络架构、激活函数、损失函数等。 2. 加载数据集:使用Cube AI框架加载训练数据集和验证数据集,以供模型训练和验证。 3. 训练模型:使用Cube AI框架训练模型,优化模型参数,使其能够对鱼类图像进行准确分类。 4. 验证模型:使用Cube AI框架验证模型的准确率和泛化能力,以确保模型的质量和可靠性。 5. 导出模型:使用Cube AI框架将训练好的模型导出为TensorFlow Lite模型,以便在STM32上部署和运行。 需要注意的是,在训练模型之前,你需要选择一个适合的硬件平台来运行Cube AI框架。同时,你需要具备一定的深度学习和编程知识,以便能够正确地配置和优化模型。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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