Hi3861使用NNOM實現人工智能神經網絡之MNIST

作者：再見南丫島 2022-05-09 14:22:40

系統 OpenHarmony

每當我們學習一門新的語言時，所有的入門教程官方都會提供一個典型的例子——“Hello World”。而在機器學習中，入門的例子稱之為MNIST。

??想了解更多關于開源的內容，請訪問：??

??51CTO 開源基礎軟件社區??

??https://ost.51cto.com??

1、什么是NNOM

請查看之前的帖子：https://ost.51cto.com/posts/12287

2、什么是MNIST

每當我們學習一門新的語言時，所有的入門教程官方都會提供一個典型的例子——“Hello World”。而在機器學習中，入門的例子稱之為MNIST。

MNIST是一個簡單的視覺計算數據集，它是像下面這樣手寫的數字圖片：

MNIST 經常被用來做為分類任務的入門數據庫使用。在這個簡單的例子里面，我們也用它來試試數據歸類。

3、移植和編譯

移植NNOM庫的方法，在之前已經有說明。

$(wildcard $(LIBPATH)/nnom/src/backends/*.c) \
$(wildcard $(LIBPATH)/nnom/src/core/*.c) \
$(wildcard $(LIBPATH)/nnom/src/layers/*.c) \

同時移植了mnist-simple下面的兩個.h文件。

#include "lib/nnom/examples/mnist-simple/image.h"
#include "lib/nnom/examples/mnist-simple/weights.h"

核心的幾個函數。

const char codeLib[] = "@B%8&WM#*oahkbdpqwmZO0QLCJUYXzcvunxrjft/\\|()1{}[]?-_+~<>i!lI;:,\"^`'.   ";
void print_img(int8_t * buf)
{
    for(int y = 0; y < 28; y++) 
    {
        for (int x = 0; x < 28; x++) 
        {
            int index =  69 / 127.0 * (127 - buf[y*28+x]); 
            if(index > 69) index =69;
            if(index < 0) index = 0;
            DEBUG_printf("%c",codeLib[index]);
            DEBUG_printf("%c",codeLib[index]);
        }
        DEBUG_printf("\n");
    }
}
// Do simple test using image in "image.h" with model created previously. 
void mnist(int index)
{
    uint32_t tick, time;
    uint32_t predic_label;
    float prob;
    DEBUG_printf("\nprediction start.. \n");
    tick = hi_get_milli_seconds();
    // copy data and do prediction
    memcpy(nnom_input_data, (int8_t*)&img[index][0], 784);
    nnom_predict(model, &predic_label, &prob);
    time = hi_get_milli_seconds() - tick;
    //print original image to console
    print_img((int8_t*)&img[index][0]);
    DEBUG_printf("Time: %d tick\n", time);
    DEBUG_printf("Truth label: %d\n", label[index]);
    DEBUG_printf("Predicted label: %d\n", predic_label);
    DEBUG_printf("Probability: %d%%\n", (int)(prob*100));
}
void nn_stat()
{
    model_stat(model);
    printf("Total Memory cost (Network and NNoM): %d\n", nnom_mem_stat());
}

4、MNIST使用

我是在Micropython下使用的，其實主要的幾個函數，如下，可以自行移植測試。

STATIC mp_obj_t machine_ai_nnom_test(mp_obj_t self_in,mp_obj_t data_in) {
    int num = mp_obj_get_int(data_in);    
    // create and compile the model 
    model = nnom_model_create();
    // dummy run
    model_run(model);
    mnist(num);
    nn_stat();
    return mp_const_none;
}