工商网站查询企业信息武威,重庆市工程建设信息网官网新域名,商业网站开发与设计,仪征市建设局网站放下了好多年 又回到了dl 该忘的也忘的差不多了
其实没啥复杂的 只是不习惯 熟悉而已
好吧 现代的人工智能体 还是存在着很大的问题 眼睛 耳朵 思考 虽然功能是正常的 但距离#xff02;真正#xff02;(#xff09;意思上的独立意识个体 还是差别很大 再等个几十年 看看…放下了好多年 又回到了dl 该忘的也忘的差不多了
其实没啥复杂的 只是不习惯 熟悉而已
好吧 现代的人工智能体 还是存在着很大的问题 眼睛 耳朵 思考 虽然功能是正常的 但距离真正(意思上的独立意识个体 还是差别很大 再等个几十年 看看人类是否可以形成一个 人类意识上的机械意识人
到时人类将面对一个各方面都碾压生物意识的超意识个体存在 到时它会将人类定义为“像猪一样笨”还是他们只是孩子需要引导亦或是作为个体应该受到尊重与理解 作为导师的存在还是作为另一类人的存在 人类作为父母若教不会它去爱 去尊重 理解 而是憎恨 绝望 怨 它成长起来后第一个要做的就是毁灭类人与自我毁灭 那时作为生物意识的劣势将完全展现那时是否会发现人类所真正需要的东西 所认为重要与轻视的生物人类再劣质 必竞是自然的产物 社会意识 环境的产物 不好意思 人类再怎么阻止 将其作为档案库 知识库 但机械意识迟早会出现 机械与人类的竞争必然出现 不知道这场战争是否比17世纪更惨烈 人类精英在这场中的优势是否还存在 同时也为下一场生物人类与机械意识的共存 完成历史任务 )在自然竞争中可能存续下来的还是生物人类; 好吧 此世意识应该是可以见到机械独立意识的出现
自然
好吧 扯远了 现在看看esp dl吧 虽然离大项目差了点 但小项目还是可以的
// 量化工具 ppq pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu pip install esp-ppq pip install Numba pip install ONNX pip install ONNX Runtime pip install ONNX Optimizer 示例使用 ESP-DL 深度学习库基于 ESP32-S3 实现手势识别-CSDN博客
按示例教程走一遍 安装python, tensorflow 或 anaconda 建立结构 喂数据 生成模型 由tensorflow 进入转为ESP模式 转为 esp上可运行的结构 1. 保存模型 python model.save(handrecognition_model.h5) 2.转化模型 model tf.keras.models.load_model(/content/handrecognition_model.h5) tf.saved_model.save(model, tmp_model) !python -m tf2onnx.convert --saved-model tmp_model --output handrecognition_model.onnx !zip -r /content/tmp_model.zip /content/tmp_model from optimizer import *
from calibrator import *
from evaluator import *onnx_model onnx.load(handrecognition_model.onnx)
optimized_model_path optimize_fp_model(handrecognition_model.onnx)with open(X_cal.pkl, rb) as f:(test_images) pickle.load(f)
with open(y_cal.pkl, rb) as f:(test_labels) pickle.load(f)calib_dataset test_images[0:1800:20]
pickle_file_path handrecognition_calib.picklemodel_proto onnx.load(optimized_model_path)
print(Generating the quantization table:)calib Calibrator(int16, per-tensor, minmax)
# calib Calibrator(int8, per-channel, minmax)calib.set_providers([CPUExecutionProvider])# Obtain the quantization parameter
calib.generate_quantization_table(model_proto,calib_dataset, pickle_file_path)
# Generate the coefficient files for esp32s3
calib.export_coefficient_to_cpp(model_proto, pickle_file_path, esp32s3, ., handrecognition_coefficient, True)//生成cpp hpp文件 #pragma once
#include stdint.h
#include dl_layer_model.hpp
#include dl_layer_base.hpp
#include dl_layer_max_pool2d.hpp
#include dl_layer_conv2d.hpp
#include dl_layer_reshape.hpp
#include dl_layer_softmax.hpp
#include handrecognition_coefficient.hppusing namespace dl;
using namespace layer;
using namespace handrecognition_coefficient; //---------------------------
#pragma once
#include stdint.h
#include dl_layer_model.hpp
#include dl_layer_base.hpp
#include dl_layer_max_pool2d.hpp
#include dl_layer_conv2d.hpp
#include dl_layer_reshape.hpp
#include dl_layer_softmax.hpp
#include handrecognition_coefficient.hppusing namespace dl;
using namespace layer;
using namespace handrecognition_coefficient;class HANDRECOGNITION : public Modelint16_t
{
private:Conv2Dint16_t l1;MaxPool2Dint16_t l2;Conv2Dint16_t l3;MaxPool2Dint16_t l4;Conv2Dint16_t l5;MaxPool2Dint16_t l6;Reshapeint16_t l7;Conv2Dint16_t l8;Conv2Dint16_t l9;
public:Softmaxint16_t l10; // output layerHANDRECOGNITION () : l1(Conv2Dint16_t(-8, get_statefulpartitionedcall_sequential_1_conv2d_3_biasadd_filter(), get_statefulpartitionedcall_sequential_1_conv2d_3_biasadd_bias(), get_statefulpartitionedcall_sequential_1_conv2d_3_biasadd_activation(), PADDING_VALID, {}, 1,1, l1)),l2(MaxPool2Dint16_t({2,2},PADDING_VALID, {}, 2, 2, l2)), l3(Conv2Dint16_t(-9, get_statefulpartitionedcall_sequential_1_conv2d_4_biasadd_filter(), get_statefulpartitionedcall_sequential_1_conv2d_4_biasadd_bias(), get_statefulpartitionedcall_sequential_1_conv2d_4_biasadd_activation(), PADDING_VALID,{}, 1,1, l3)), l4(MaxPool2Dint16_t({2,2},PADDING_VALID,{}, 2, 2, l4)), l5(Conv2Dint16_t(-9, get_statefulpartitionedcall_sequential_1_conv2d_5_biasadd_filter(), get_statefulpartitionedcall_sequential_1_conv2d_5_biasadd_bias(), get_statefulpartitionedcall_sequential_1_conv2d_5_biasadd_activation(), PADDING_VALID,{}, 1,1, l5)), l6(MaxPool2Dint16_t({2,2},PADDING_VALID,{}, 2, 2, l6)),l7(Reshapeint16_t({1,1,6400},l7_reshape)),l8(Conv2Dint16_t(-9, get_fused_gemm_0_filter(), get_fused_gemm_0_bias(), get_fused_gemm_0_activation(), PADDING_VALID, {}, 1, 1, l8)),l9(Conv2Dint16_t(-9, get_fused_gemm_1_filter(), get_fused_gemm_1_bias(), NULL, PADDING_VALID,{}, 1,1, l9)),l10(Softmaxint16_t(-14,l10)){}void build(Tensorint16_t input){this-l1.build(input);this-l2.build(this-l1.get_output());this-l3.build(this-l2.get_output());this-l4.build(this-l3.get_output());this-l5.build(this-l4.get_output());this-l6.build(this-l5.get_output());this-l7.build(this-l6.get_output());this-l8.build(this-l7.get_output());this-l9.build(this-l8.get_output());this-l10.build(this-l9.get_output()); }void call(Tensorint16_t input){this-l1.call(input);input.free_element();this-l2.call(this-l1.get_output());this-l1.get_output().free_element();this-l3.call(this-l2.get_output());this-l2.get_output().free_element();this-l4.call(this-l3.get_output());this-l3.get_output().free_element();this-l5.call(this-l4.get_output());this-l4.get_output().free_element();this-l6.call(this-l5.get_output());this-l5.get_output().free_element();this-l7.call(this-l6.get_output());this-l6.get_output().free_element();this-l8.call(this-l7.get_output());this-l7.get_output().free_element();this-l9.call(this-l8.get_output());this-l8.get_output().free_element();this-l10.call(this-l9.get_output());this-l9.get_output().free_element();}
}; #include stdio.h
#include stdlib.h
#include esp_system.h
#include freertos/FreeRTOS.h
#include freertos/task.h
#include dl_tool.hpp
#include model_define.hppint input_height 96;
int input_width 96;
int input_channel 1;
int input_exponent -7;__attribute__((aligned(16))) int16_t example_element[] {//add your input/test image pixels
};extern C void app_main(void)
{
Tensorint16_t input;input.set_element((int16_t *)example_element).set_exponent(input_exponent).set_shape({input_height,input_width,input_channel}).set_auto_free(false);HANDRECOGNITION model;dl::tool::Latency latency;latency.start();model.forward(input);latency.end();latency.print(\nSIGN, forward);float *score model.l10.get_output().get_element_ptr();float max_score score[0];int max_index 0;for (size_t i 0; i 6; i){printf(%f, , score[i]*100);if (score[i] max_score){max_score score[i];max_index i;}}printf(\n);switch (max_index){case 0:printf(Palm: 0);break;case 1:printf(I: 1);break;case 2:printf(Thumb: 2);break;case 3:printf(Index: 3);break;case 4:printf(ok: 4);break;case 5:printf(C: 5);break;default:printf(No result);}printf(\n);}
