本篇测评由优秀测评者“短笛君”提供。

本文将介绍基于米尔电子MYD-YD9360商显板（米尔基于芯驰D9360国产开发板）的TinyMaxi轻量级的神经网络推理库方案测试。

算力测试

TinyMaix 是面向单片机的超轻量级的神经网络推理库，即 TinyML 推理库，可以让你在任意单片机上运行轻量级深度学习模型~ 开源地址：

https://github.com/sipeed/TinyMaix
搭建的环境为编译的Ubuntu18.04 已经预装好cmake make工具
由于魔法网络原因，这里提前下载好tar包到宿主机上，然后传输到板卡中解压

  • 查看cmake版本
cmake -version

2.png

  • 查看cmake版本
make -version

3.png

确认文件路径，尽量不要拷贝到有权限的路径下


4.png

自带示例


5.png

文件结构


MNIST示例

MNIST是手写数字识别任务

cd到examples/mnist目录下 使用mkdir build && cd build 命令切换到build文件夹下

cmake ..

make./ mnist

cmake生成构建系统

6.png

使用make构建可执行文件然后运行


7.png

可以看到输出信息
8.png

MNIST 示例默认未使用任何指令加速，运行了一张 28×28 的手写数字模拟图像，共消耗了 0.114 毫秒
9.png

MBNET示例

mbnet 是适用于移动设备的简单图像分类模型。

  • 切换到 /examples/mbnet 目录：
  • 修改 main.c 文件
  • 创建 build 文件夹并切换
  • 使用 cmake 命令生成构建系统
  • 使用 make 命令构建系统，生成可执行文件
  • 运行可执行文件，执行效果如下
    10.png

    11.png



  • MBNET 示例运行输入了一张 96×96×3 的 RGB 图像，输出 1000 分类，共消耗了 16.615 毫秒

运行cifar10 demo

12.png

13.png