ZHCACO4 may 2023 AM62A3 , AM62A3-Q1 , AM62A7 , AM62A7-Q1 , AM68A , AM69A
本文档旨在介绍对德州仪器 (TI) AM6xA 微处理器创建边缘 AI 视觉应用程序的工具和流程。示例应用将 AM62A 用于自动零售扫描仪或结算系统,在该系统中,顾客盘内的食品可通过深度学习神经网络快速自动识别,并由 TI 的 C7xMMA 深度学习加速器进行加速。
本应用手册遵循图 1-1 中所示的总体开发流程,从自定义数据集和 TI Model-Zoo 中经过部分训练的模型开始 [1]。神经网络模型使用 TI 支持的工具进行训练,并编译为目标器件的 C7xMMA 架构。然后,它与 Gstreamer 一起用于开发端到端媒体流水线,包括摄像头采集、预处理、深度学习推理、后处理和显示到监视器。最终应用程序用 Python3 编写,开源代码可在网上的德州仪器 (TI) Github 零售-购物目录下找到 [2]。有关如何运行演示的说明,请参阅 README.md。
该应用程序是为 AM62A 开发的,AM62A 是德州仪器 (TI) 的一款具有 2TOPS 深度学习加速功能的四核微处理器。该模型针对该架构进行编译,需要重新编译才能在另一个 TI 处理器上运行,从而充分利用加速器。要了解有关此编译过程的更多信息,请参阅 TI 边缘 AI 存储库中的相关文档 [4] 和 edgeai-tidl-tools [5]。此应用程序曾在 2023 年国际嵌入式展 (Embedded World) 上亮相,用于展示 AM62A。
在实施时,TI 在 Edge AI Cloud [6] 中的模型编写器软件套件尚不可用于此处理器 – 这些工具简化了从数据采集到模型选择再到训练、编译和评估(如图 1-1 中所示),一直到模型评估的整个神经网络模型开发流程。本文档遵循更加程序化的设计流程,为有经验的开发人员提供了更大的灵活性。
通过以下链接可在 YouTube 上找到概念演示视频:https://www.youtube.com/watch?v=jYJvtoPAW6E。