- 博客(5)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 【瑞萨AI挑战赛】基于RA8P1 Ethos-U55 NPU, 部署YOLO-Fastest驾驶员困意识别模型
本文介绍了YOLO-Fastest模型的数据格式转换、云端训练及在RA8P1RT-Thread开发板上的NPU部署过程。首先通过Python脚本将PascalVOC格式数据集转换为YOLO格式，然后利用Google Colab的免费GPU资源进行模型训练。随后将PyTorch模型转换为ONNX格式，并使用瑞萨RUHMI工具进行NPU量化部署，最终实现100% NPU硬件加速。模型集成到RT-Thread工程后，在320×320分辨率下实现了驾驶员困意检测功能，展示了实际NPU加速的实际应用效果。
2026-03-15 23:13:37
442
原创 【瑞萨AI挑战赛】RA8P1介绍及Titan Board快速上手
RA8P1 TitanBoard开发板搭载瑞萨R7KA8P1双核MCU，采用Cortex-M85（1GHz主频），支持Helium矢量运算和Ethos-U55 NPU（256GOPS算力）。该MCU基于22nm工艺，配备2MB RAM和1MB MRAM，开发板还集成64MB Flash和32MB HyperRAM。板载资源包括MIPI DSI/RGB显示接口、CEU/MIPI CSI摄像头接口，兼容正点原子4.3寸屏幕。提供AI人脸识别例程，NPU相较CPU可实现约20倍推理加速。
2026-03-15 19:43:51
399
原创 【瑞萨AI挑战赛】使用Google Colab免费云GPU资源, 训练YOLO-Fastest驾驶员困意识别模型
使用Google Colab云端服务器GPU, 训练YOLO-Fastest驾驶员困意识别模型
2026-03-14 11:39:44
650
原创 STM32H750B-DK开发板 快速上手&TouchGFX入门
摘要：本文介绍了STM32H750B-DK开发板的硬件配置与软件开发流程。该开发板搭载480MHz Cortex-M7内核，配备丰富外设和存储资源，支持显示触屏功能。文章详细讲解了供电方式、出厂固件功能，以及使用TouchGFX工具链开发图形界面的完整流程，包括环境搭建、Demo工程运行和自定义界面开发。整个过程通过图形化工具即可完成，无需手动编码，展现了ST完善的软件生态对HMI应用开发的高效支持。
2026-01-09 08:45:00
968
原创 STM32H7 Cache一致性原因及注意事项
摘要：在高性能计算中，内存访问瓶颈（Memory Wall）严重影响算力释放。Cache作为CPU与内存间的缓存单元，通过缓存指令和数据减少内存访问延迟。但在多Master（如CPU、DMA）共享内存时，Cache可能导致数据不一致问题。解决方案包括禁用Cache、手动刷新Cache、配置MPU等。合理处理Cache一致性对提升MCU性能至关重要。
2025-12-11 16:18:55
1351
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人