LIGHTSPEEUR® 2801S之目標檢測SSD模型訓練討論

延續這篇文章,在訓練前修改run_ssd_training.sh讓訓練過程中會使用到預訓練模型(pre-trained model)權重。最近我試著照原廠方式不使用預訓練模型,並把資訊傳送給廠商:

照GTI的方式訓練SSD,10萬次Loss還是不大會降低;後來發現run_ssd_training.sh內並沒有用到pre-train的model;我之前是有在run_ssd_training.sh加 –weights=$ssd,loss會下降到1 ~ 2間

得到的回覆於下:

只用参照prototxt文件中卷积层的方式定义自己的网络就行了,其他地方同标准的ssd训练方法一样

» Read more

USB神經網路計算卡實作目標檢測

本文介紹以Gyrfalcon Technology公司Lightspeeur 2801S晶片為核心的USB神經網路計算卡上進行目標檢測(Object Detection)推論(Inference)。其中模型的建立、訓練與轉換部份需要在有Nvidia的GPU的電腦上進行,所使用框架為Caffe,算法為SSD(Single Shot MultiBox Detector)。本文是參照廠商的SSD模型工具包(MDK)文件實作後所做的整理,電腦使用的作業系統為Ubuntu 16.04.5 LTS (Xenial Xerus) 64-bit PC (AMD64) desktop,相關檔案的取得請聯絡” 汯采有限公司”購買”AI 64G資料U盤”。首先將SSD算法的相關檔案拷貝到家目錄:

» Read more

在STM32F7 Discovery Kit實作DS-CNN關鍵字萃取

本文說明如何在ARM Crotex-M MCU,以DS-CNN精準進行關鍵字萃取。DS-CNN中文介紹請參考”2019年版嵌入式系統設計解密”之”邊緣運算篇”中相關文章;以下是講解如何編譯與執行ARM提供程式碼。本次開發環境是在Ubuntu 16.04 64 Bits作業系統,預先安裝的環境請參考這篇文章;目標板為Discovery kit with STM32F746NG MCU,目標板在使用前需更新ST-LINK/V2 韌體,詳細步驟請參考這篇文章

» Read more

USB神經網路計算卡在Android上之功能展示

接續這篇文章,本文說明如何將USB神經網路計算卡在Android作業系統上進行功能展示;整個程序在廠商Wik都有完整描述:http://wiki.t-firefly.com/NCCS1/android-started.html,以下補充實作需注意的地方。展示使用的硬體平台是“百度人臉識別開發套件”,作業系統為Android 8.1,週邊接線如下所示:

» Read more

USB神經網路計算卡簡介與在X86 Linux上之功能展示

本文簡介以Gyrfalcon Technology公司Lightspeeur 2801S晶片為核心的USB神經網路計算卡,並說明如何使用其所附帶SDK在個人電腦(作業系統為Ubuntu Linux)上進行功能展示。USB神經網路計算卡的硬體規格可參考廠商網頁:https://www.global-plus-tech.com/product_1161350.html。以下是Lightspeeur 2801S晶片方案開發情境:

» Read more

建立TensorFlow Lite for Android應用程式

說明如何使用Android Studio新建一個TensorFlow Lite for Android應用程式(APP),並在該APP上運作一個自行定義與訓練的模型。於此需用到兩項關鍵技術:

  • 使用Python程式語言撰寫基於TensorFlow框架的”機器學習”或”深度學習”程序,並將”訓練”與”驗證”後的成果轉換為TensorFlowLite模型檔(.tflite)
  • 使用Java程式語言撰寫Android APP
» Read more
1 2 3