RT-AK 之 STM32 插件快速上手（附源码）

本项目为 RT-AK 的一个实战 DEMO。

致力于做一个保姆级教程。

本教程 RT-AK 适配目标平台：STM32

0. RT-AK 简介

目前该项目为 RT-AK 的示例 Demo，基于 ART-PI 硬件平台和 Mnist 数据集。

• RT-AK: RT-Thread AI Toolkit，RT-Thread AI 套件。

• Github:

  https://github.com/RT-Thread/RT-AK

RT-AK 是 RT-Thread 团队为 RT-Thread 实时操作系统所开发的 AI 套件，能够一键将 AI 模型部署到 RT-Thread 项目中，让用户可以 在统一的 API 之上进行业务代码开发，又能在目标平台上获极致优化的性能，从而更简单方便地开发端侧 AI 应用程序。

在 RT-AK 支持下，仅需要一行命令，python aitools.py --model xxx...，即可将 AI 模型部署到 RT-Thread 系统中：

详细的命令请查阅：[如何运行 aitools.py](# step1 运行 rt_ai_tools/aitools.py)

---

我们将致力于降低嵌入式 AI 落地的难度和门槛

1. 准备工作

• Windows 10
• Python >= 3.7

准备以下四份重要重要重要的材料：

Index	Prepare	Example
1	硬件以及 BSP	ART-PI BSP
2	神经网络模型	./rt_ai_tools/Model/keras_mnist.h5
3	STM32 AI 插件	X-CUBE-AI 下载解压，下文有介绍
4	RT-AK	RT-AK 代码克隆到本地

1.1 X-CUBE-AI 介绍

• 下载地址：https://www.st.com/zh/embedded-software/x-cube-ai.html

• 版本：V5.2.0

  TO DO LIST: 最新的版本是 V6.0.0，目前使用的是 V5.2.0，稍后的 RT-AK 将会更新

X-CUBE-AI 是 STM32Cube.AI 生态系统的 STM32Cube 扩展软件包的一部分，能够自动转换预训练的神经网络。

X-CUBE-AI

下载界面

1.2 X-CUBE-AI 解压

下载后的文件夹界面

其中：

• stm32ai-windows-5.2.0.zip 是我们所需要，该文件夹里面存放的是 X-CUBE-AI 模型转换软件： stm32ai
• STMxxx.pack 是 STM32Cube.AI 的静态库文件，无需解压，已经存在，位于 ./RT-AK/rt_ai_tools/platforms/stm32/X-CUBE-AI.5.2.0

解压 stm32ai-windows-5.2.0.zip 。

在这里我将其解压到：D:\Program Files (x86)\stm32ai-windows-5.2.0 ，可以在该路径下看见有一个 windows 文件夹。

记下该路径，重要重要重要

STM32: X-CUBE-AI 解压路径

1.3 ART-PI BSP

1. 先打开 RT-Thread Studio

2. 新建 ART-PI BSP

   如果在开发版的地方，没有找到 STM32H750-RT-ART-PI，请查阅：

   https://github.com/RT-Thread-Studio/sdk-bsp-stm32h750-realthread-artpi/blob/master/documents/UM5002-RT-Thread%20ART-Pi%20%E5%BC%80%E5%8F%91%E6%89%8B%E5%86%8C.md

RT-Thread Studio 新建 ART-PI

2. 执行步骤

step1 运行 rt_ai_tools/aitools.py

代码将会自动使用 STM32Cube.AI 的模型转换工具，获得一个集成了 AI 的 BSP

对，就是这么硬核，一步肝到位！

内部的流程请看源码或者 plugin_stm32 仓库下的 readme 文档

运行命令

进入 edge-ai/RTAK/tools 路径，运行 aitools.py。

# 运行命令
python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path> --clear

# 示例
python aitools.py --project="D:\RT-ThreadStudio\workspace\test" --model="./Models/keras_mnist.h5" --platform=stm32 --ext_tools="D:\Program Files (x86)\stm32ai-windows-5.2.0\windows" --clear

运行到该步骤操作已经结束，后续是补充说明。

运行命令其他参数补充说明

# 指定转换模型的名称，--model_name 默认为 network
python aitools.py --project=<your_project_path> --model=<your_model_path>  --model_name=<model_name>  --platform=stm32 --ext_tools=<your_x-cube-ai_path>

# 保存运行 stm32ai 线程过程中产生的文件，--clear 默认为空
# 如果存在，则将会删除 `stm32ai` 运行时产生的工作文件夹，即`--stm_out`
python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path>

# 指定保存运行日志, --log 默认为空
python aitools.py --project=<your_project_path> --model=<your_model_path> --log=./log.log --platform=stm32 --ext_tools=<your_x-cube-ai_path>

# 指定保存的文件夹名称，--stm_out 默认是当天时间，比如 './20210223'
python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path> --stm_out <new_dir>

# 指定生成的 c-model 名，--c_model_name 默认是network
python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path> --c_model_name=<new_model_name>

运行参数详细说明

• 主函数参数部分

Parameter	Description
--log	log 日志存放路径，默认是空，如果有，则将保存log日志文件，例如：./log.log
--project	OS+BSP 项目工程文件夹，默认为空，需要用户指定
--model	神经网络模型文件路径，默认为 ./Models/keras_mnist.h5
--model_name	神经网络模型转换后新的模型名，默认是 network
--rt_ai_lib	RT-Thread 官方提供的 RT-AK Lib ，默认是 ../rt_ai_lib
--platform	指定硬件平台信息，目前支持：stm32、k210，默认是 example

• STM32 平台插件参数部分

Parameter	Description
--ext_tools	X-CUBE-AI 存放路径，模型转换工具，内有 stm32ai 可执行软件，需要用户指定
--cube_ai	X-CUBE-AI 运行所需的静态库，默认为./platforms/stm32/X-CUBE-AI.5.2.0
--rt_ai_example	存放rt_ai_<model_name>_model.c 示例文件，默认是 ./platforms/stm32/docs
--stm_out	经过 stm32ai 线程处理之后产生的中间文件夹路径，默认是当天的时间戳命名
--workspace	stm32ai 运行时产生的临时工作区，默认是./stm32ai_ws
--val_data	默认为空，即使用内部自生成的随机数据集，允许用户自定义测试数据集，
--compress	表示将应用的全局压缩因子，仅应用在全连接层，可选 “1|4|8”，默认值：1
--batches	指示生成了多少随机数据样本，默认是10
--mode	“analyze|validate” 模式（可选）+”generate“模式（必须有），1表示选中，在{'001', '011', '101', '111'}中选一个，默认是 001
–network	在 Documents 中的模板文件的模型名，默认是 mnist
–enable_rt_lib	在 project/rtconfgi.h 中打开宏定义，默认是 RT_AI_USE_CUBE
–clear	是否需要删除 stm32ai 生成的中间文件夹 stm_out ，默认为False

step2 编译和烧录

本教程仅展示 RT-Thread Studio 编译，另外还支持以下几种编译方式：

• Keil
• 基于 RT-Thread Env 的 Scons
• 不基于 RT-Thread Env 的Scons

RT-Thread Studio 编译和烧录

在 RT-Thread Studio 中，找到项目工程，右键，

更新软件包 + 刷新工程，

然后编译（），

最后烧录加显示。

这时候你就已经成功获得了一个集成了 AI 和 RT-Thread 的新的 ART-Pi BSP，

就可以RT-Thread 系统上做应用开发啦。

示例应用代码提供

我们提供了一份运行模型推理的示例代码 mnist_app.c：

http://117.143.63.254:9012/www/RT-AK/mnist_app.zip：

1. 下载解压，放置到 <BSP>/applications 路径下

2. 选中 RT-Thread Studio 中的 项目工程，右击刷新

3. 编译烧录，
4. 输入命令：mnsit_app

---

3. 完整的示例工程

完整的示例工程仓库地址：

下载即可食用

https://github.com/EdgeAIWithRTT/Project3-Mnist_Cube_RTT/tree/master/Mnist_RTT