ML-KWS-for-MCU 项目使用教程
2024-09-27 06:51:05作者:昌雅子Ethen
1. 项目的目录结构及介绍
ML-KWS-for-MCU 项目的目录结构如下:
ML-KWS-for-MCU/
├── Deployment/
│ ├── README.md
│ └── ...
├── Pretrained_models/
│ └── ...
├── .gitignore
├── LICENSE
├── README.md
├── fold_batchnorm.py
├── freeze.py
├── input_data.py
├── label_wav.py
├── models.py
├── quant_models.py
├── quant_test.py
├── silence.wav
├── test.py
├── test_pb.py
├── train.py
└── train_commands.txt
目录结构介绍
- Deployment/: 包含在 Cortex-M 开发板上运行量化 DNN 模型的示例代码和步骤。
- Pretrained_models/: 包含不同神经网络架构(如 DNN、CNN、LSTM 等)的预训练模型。
- .gitignore: Git 忽略文件配置。
- LICENSE: 项目许可证文件。
- README.md: 项目介绍和使用说明。
- fold_batchnorm.py: 批量归一化折叠脚本。
- freeze.py: 将训练好的模型冻结为
.pb
文件的脚本。 - input_data.py: 数据输入处理脚本。
- label_wav.py: 对音频文件进行标签预测的脚本。
- models.py: 定义不同神经网络模型的脚本。
- quant_models.py: 量化模型的脚本。
- quant_test.py: 量化模型测试脚本。
- silence.wav: 示例音频文件。
- test.py: 模型测试脚本。
- test_pb.py: 测试
.pb
文件的脚本。 - train.py: 模型训练脚本。
- train_commands.txt: 训练命令配置文件。
2. 项目的启动文件介绍
项目的启动文件主要是 train.py
和 test.py
。
train.py
train.py
是用于训练神经网络模型的脚本。可以通过以下命令启动训练:
python train.py --model_architecture dnn --model_size_info 128 128 128
--model_architecture
: 指定模型架构,如dnn
、cnn
等。--model_size_info
: 指定神经网络层维度,如128 128 128
表示三层全连接层,每层128个神经元。
test.py
test.py
是用于在训练好的模型上进行推理的脚本。可以通过以下命令启动测试:
python test.py --model_architecture dnn --model_size_info 128 128 128 --checkpoint <checkpoint path>
--checkpoint
: 指定模型检查点的路径。
3. 项目的配置文件介绍
项目的配置文件主要是 train_commands.txt
和 models.py
。
train_commands.txt
train_commands.txt
文件包含了用于重现论文中模型的所有超参数配置。可以通过该文件中的命令来训练特定的模型。
models.py
models.py
文件定义了不同神经网络模型的架构。通过 --model_size_info
参数传递的列表,models.py
会根据提供的模型架构和层维度构建 TensorFlow 图。
例如,定义一个三层全连接层的 DNN 模型:
python train.py --model_architecture dnn --model_size_info 128 128 128
在这个例子中,models.py
会根据 dnn
架构和 128 128 128
的层维度构建模型。
以上是 ML-KWS-for-MCU 项目的基本使用教程,涵盖了项目的目录结构、启动文件和配置文件的介绍。希望这些信息能帮助你更好地理解和使用该项目。
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++045Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0289Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
165
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
954
562

基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.01 K
396

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
407
387

React Native鸿蒙化仓库
C++
199
279

喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0