13.1.16. Modellzoot och NPU-konvertering

IDE:n levereras med ett bibliotek av förtränade maskininlärningsmodeller – ansiktsdetektering, persondetektering, objektdetektering, poseuppskattning med mera – som hålls aktuellt genom IDE:ns resursuppdateringar. Tools → Machine Vision → Open Model Zoo bläddrar i det: välj en modell för att se dess beskrivningssida bredvid filträdet, och kryssa i filtret för att begränsa listan till modeller som passar ditt kort.

Model Zoo-bläddraren med en modell vald och dess beskrivningssida öppen.

Välj en modell så kopierar IDE:n ut den klar att köra: den konverterar modellen för målkortets NPU-accelerator när kortet har en, kopierar den matchande etikettfilen bredvid den, och förinställer destinationen till den anslutna kamerans enhet. Därifrån är skriptsidan bara ett anrop till ml.Model-konstruktorn bort. Samma bläddrare nås inifrån ROMFS-redigeraren, som är den bättre destinationen för modeller på kort som har ROMFS – modeller i ROMFS körs direkt från flashminnet utan en RAM-kopia.

13.1.16.1. Konvertera andra modeller

Tools → Machine Vision → Convert Model for NPU kör samma konvertering på en modell från någon annanstans – en tränad med Edge Impulse eller Roboflow, exporterad från ett träningsramverk eller nedladdad. NPU-utrustade kort har vart och ett en leverantörskompilator som IDE:n levererar och styr: Ethos-U-NPU:er använder Vela, och ST Neural-ART-NPU:er använder ST Edge AI. Verktyget tar målkortet från den anslutna kameran (eller frågar när ingen är ansluten) och tar modellfilen från dig. En modell som redan är konverterad känns igen och kopieras bara, och när det valda kortet inte har någon NPU meddelar verktyget det och hoppar över konverteringen – en okonverterad modell körs ändå på de korten, på processorn.

På NPU-kort är konverteringen inte valfri: i bästa fall faller en okonverterad modell tillbaka till processorn och körs många gånger långsammare, och på vissa kort kommer den inte att köra alls. ROMFS-redigeraren och modellzoot tillämpar konverteringen automatiskt; denna menypost finns för modeller som anländer via andra vägar.

Se även

kapitlet om maskininlärning för att köra modeller med modulen ml och träna egna.