目录
介绍
最近在搞K210神经网络搭建识别数字，在烧入代码的时候就有很多坑，记录一下我的坑，希望能给大家提供帮助，首先就是数据集的采集，我刚开始是用手机，然还要转化图片大小类型就很麻烦，在网上找到一位大佬的代码，可以直接用K210拍照并且储存在SD卡中还可以加文件夹如有需要这里，可以得到大量的数据集，还有一种方法就是将要识别的物体用K210几个角度录像，然后用软件一帧一帧的节取，这个方法也是很方便也是可取的（这是我们实验室学长告诉我的但是我觉得麻烦就没弄），这个教程网上也有很多，我就不再赘述了，刚刚学习模型训练可以少一点，熟悉一下过程，后面再加更多的训练集，收集好数据集后就可以训练了，注意这里有很多很多种训练方法，我这里用的是MaixHub官网训练，因为这种训练方法简单对初学者很友好。
开始训练
点这里进入MaiHub官网里面不仅可以自己可以训练，还可以白嫖模型库里的数据，就很方便，先简单注册一下自己的账号，然后就可以开始进行数据集的训练了。
在开始这还会有一个小问题，就是要获取机械码，其实它教程里也有讲解，可以到这里看一下，就是烧一个脚本进K210然后通过串口的到机械码，获得机械码后，就是模型训练，这的采集方法很多，但是我吗直接用我们收集到的数据传入即可。数据类别分为训练集跟验证集，一个用于训练一个用于验证，一般10：1就可以吧。
然后就是无止境的圈出目标参数。当然你的数据集越多就圈得越多，但是识别也就越精准。
训练结束了过后就可以开始训练了，这里训练的模型也有不少，tf：支持在任意 WEB 平台运行
awnn：支持 Maix-II 系列开发板， 芯片 v831 v833 nncase：支持 Maix-I 系列开发板， 芯片 k210
训练完成
用MPyLDE打开python文件，得到
generated by maixhub, tested on maixpy3 v0.4.8
copy files to TF card and plug into board and power on
import sensor, image, lcd, time
import KPU as kpu
import gc, sys
input_size = (224, 224)
labels = ['7', '8']
anchors = [2.66, 3.67, 4.09, 4.94, 2.94, 4.22, 3.44, 4.62, 3.28, 3.87]
def lcd_show_except(e):
import uio
err_str = uio.StringIO()
sys.print_exception(e, err_str)
err_str = err_str.getvalue()
img = image.Image(size=input_size)
img.draw_string(0, 10, err_str, scale=1, color=(0xff,0x00,0x00))
lcd.display(img)
def main(anchors, labels = None, model_addr="/sd/m.kmodel", sensor_window=input_size, lcd_rotation=0, sensor_hmirror=False, sensor_vflip=False):
sensor.reset()
sensor.set_pixformat(sensor.RGB565)
sensor.set_framesize(sensor.QVGA)
sensor.set_windowing(sensor_window)
sensor.set_hmirror(sensor_hmirror)
#sensor.set_vflip(sensor_vflip)
lcd.rotation(1)
sensor.run(1)
lcd.init(type=1)
lcd.rotation(lcd_rotation)
lcd.clear(lcd.WHITE)
if not labels:
with open('labels.txt','r') as f:
exec(f.read())
if not labels:
print("no labels.txt")
img = image.Image(size=(320, 240))
img.draw_string(90, 110, "no labels.txt", color=(255, 0, 0), scale=2)
lcd.display(img)
return 1
try:
img = image.Image("startup.jpg")
lcd.display(img)
except Exception:
img = image.Image(size=(320, 240))
img.draw_string(90, 110, "loading model...", color=(255, 255, 255), scale=2)
lcd.display(img)
try:
task = None
task = kpu.load(model_addr)
kpu.init_yolo2(task, 0.5, 0.3, 5, anchors) # threshold:[0,1], nms_value: [0, 1]
while(True):
img = sensor.snapshot()
t = time.ticks_ms()
objects = kpu.run_yolo2(task, img)
t = time.ticks_ms() - t
if objects:
for obj in objects:
pos = obj.rect()
img.draw_rectangle(pos)
img.draw_string(pos[0], pos[1], "%s : %.2f" %(labels[obj.classid()], obj.value()), scale=2, color=(255, 0, 0))
img.draw_string(0, 200, "t:%dms" %(t), scale=2, color=(255, 0, 0))
lcd.display(img)
except Exception as e:
raise e
finally:
if not task is None:
kpu.deinit(task)
if __name__ == "__main__":
try:
# main(anchors = anchors, labels=labels, model_addr=0x300000, lcd_rotation=0)
main(anchors = anchors, labels=labels, model_addr="/sd/model-5015.kmodel")
except Exception as e:
sys.print_exception(e)
lcd_show_except(e)
finally:
gc.collect()
memory not enough报错
这个报错的原因就是内存不足，当然解决方案也有很多，这个内存不足不是flash和SD卡内存不足，而是运行内存不足，所以清理SD卡是没有用的。
解决 方案一 ：
更换固件，固件的种类很多，有openmv版，有mini版等等， 固件下载地址点这里，这里面是官方的不同版本的固件可以任意选择，不知道为什么我的下载mini版固件就LDE连接不上K210，（后来查资料是因为mini版本不支持LDE）所以我选择的是openmv版本，这样可以减少固件的运行内存，普通的固件是2M左右，而mini就在1M左右。要是更换了固件还是不行，那就进行方案二
解决方案二：
方案二就有点麻烦了，它涉及到K210的内存管理，我们一步一步来，首先了解一下在 MaixPy 中， 目前使用了两种内存管理， 一种是 GC（垃圾回收）， 另一种是系统堆内存， 两者同时存在。我们要做的就是减少GC所占的内存，从而增加系统堆内存运行一下代码可以改变GC的值
from Maix import utils
import machine
print(utils.gc_heap_size())
utils.gc_heap_size(1024*1024) # 1MiB
machine.reset()
这里设置的是1MiB可以按情况改变其值。然后还可以观察系统堆内存的大小运行以下代码即可得到
import gc
print(gc.mem_free() / 1024) # stack mem
import Maix
print(Maix.utils.heap_free() / 1024) # heap mem
'''
>>>
raw REPL; CTRL-B to exit
>OK
352.0937
4640.0
>
MicroPython v0.5.1-136-g039f72b6c-dirty on 2020-11-18; Sipeed_M1 with kendryte-k210
Type "help()" for more information.
>>>
'''
将内存分布调到合适就可以正常运行了，当然在无尽尝试的过程中总是会遇到一些困难，这有一个问题汇总的手册，我也是看这个搞懂的，利用MaixPy得到模型是一种最简单的方法，之后我再写利用yolo建立模型的问题，希望能帮到大家，本人是小白，要是大家有什么问题欢迎在评论区留言。
Original: https://blog.csdn.net/qq_62392385/article/details/125824865
Author: 見逃しと喪失
Title: K210神经网络的训练以及出现内存不足的情况memory not enough解决方案
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/629292/
转载文章受原作者版权保护。转载请注明原作者出处！