3.1 KiB
Tensorflow Lite Micro 使用指南
1.组件介绍
TensorFlow Lite Micro 组件是 Google TensorFlow 团队针对微处理器平台设计的端侧推理框架，该推理框架主要解决在资源, 功耗, 性能受限的嵌入式系统中, 如何简单快速高效部署 Tensorflow Lite 深度学习模型。CMSIS 全称 Software Interface Standard for Arm Cortex-based Microcontrollers，其中 CMSIS-NN 组件为 AI 加速库，包含高效的神经网络算子来减小内存占用和最大化硬件性能。相关代码和文档已经开源并在多个平台上得到验证（ https://www.keil.com/pack/doc/CMSIS/NN/html/index.html ）。
2.目录结构
组件目录结构如下图所示：
tflite_micro
├─Source // TensorFlow Lite Micro 的全部源码
├─KEIL //针对 KEIL 开发环境所需的适配文件
├─ARM_CortexM4_lib //针对 ARM Cortex M4 生成的 tensorflow_lite_micro.lib 库
├─ARM_CortexM7_lib //针对 ARM Cortex M7 生成的 tensorflow_lite_micro.lib 库
├─LICENSE
├─readme.md
└─TFlite_Micro_Component_User_Guide.md //本组件使用指南
其中，KEIL 文件夹中包含针对 KEIL 编程环境需要额外添加的源文件（将其中的源文件一同加入工程）。
ARM_CortexM4_lib 和 ARM_CortexM7_lib 两个文件夹中存放了针对 Cortex M4、Cortex M7 平台预编译的 tensorflow_lite_micro.lib 库，优化后的性能数据可以参考附录部分；如果在开发过程中采用 ARM Cortex M4 或 Cortex M7 系列芯片可以直接使用对应的 tensorflow_lite_micro.lib 库，并包含相关的头文件，极大的缩短了开发时间。
在 TFlite_Micro_Component_User_Guide.md 中提供了本组件的使用说明以及上述 .lib 库的制作方法。
3.组件使用案例
基于本组件我们以 STM32L496RG 为例设计了行人检测案例，具体使用流程可参考Neclue STM32L496RG案例。
4. 附录：Tensorflow Lite Micro 性能优化情况
- 硬件平台：Necluo STM32L496ZG
- 加速库：ARM CMSIS-NN
- 测试输入图片：
tensorflow\lite\micro\tools\make\downloads\person_model_int8目录中person_image_data.cc和no_person_image_data.cc保存的 96 * 96 pixels ( uint_8 ) 灰度图。 - 单次执行和 10 次累计执行的测试结果如下：
| Case | Disable ARM-CMSIS-NN | Enable ARM-CMSISNN | Improvement |
|---|---|---|---|
| Initialize_Benchmark_Runner | 65 ticks (65 ms) | 66 ticks (66 ms) | * |
| Run_Single_Iteration | 12476 ticks (12476 ms) | 633 ticks (633 ms) | 19.71X |
| Person_Detection_Ten_Ierations_With_Person | 124769 ticks (124769 ms) | 6324 ticks (6324 ms) | 19.73X |
| Person_Detection_Ten_Ierations_With_out_Person | 124770 ticks (124770 ms) | 6325 ticks (6325 ms) | 19.72X |