rt-libann

1、介绍

这是一个轻量级的 ANN 库，可以运行在 Flash，RAM 都非常有限的 stm32 上面。隐藏层节点数目可以选择，但是每个隐藏层节点大小默认一样。

以经典的 Iris 数据集为例，使用一层隐藏层、隐藏层节点为4，激活函数为 sigmoid，训练 150 个样本，迭代 500 次，下面是不同 MCU 训练时间。

MCU	工作主频	FLASH	RAM	训练时间	预测时间	预测精度
STM32F429IGT6	180MHz	1024KB	256KB	9秒	7毫秒	96.0%
STM32F401RET6	84MHz	512KB	96KB	18秒	15毫秒	96.0%
STM32L475VET6	80MHz	512KB	128KB	24秒	22毫秒	96.0%
STM32F103RCT6	72MHz	256KB	20KB	32秒	26毫秒	96.0%
STM32F103C8T6	72MHz	64KB	20KB	32秒	26毫秒	96.0%
Arduino M0 Pro	48MHz	256KB	32KB	135秒	97毫秒	96.0%
ATmega 2560	16MHz	256KB	8KB	182秒	138毫秒	96.0%

iris 数据集在 doc/iris.data 里可以找到，也可以去官网下载 https://archive.ics.uci.edu/ml/datasets/Iris/

当然，示例程序只是为了 benchmark 计算力，并没有考虑 train test split，normalization 等等，不过这说明一些比较小的 ANN 模型在 stm32 上还是可以跑跑前向传播的，当然前提是内存足够大能够顺利加载模型。

这是用 asciinema 录制的演示视频，你可以在自己的电脑上回放，视频保存在 doc/rt-thread.cast：

asciinema play rt-thread.cast

2、项目说明

2.1 目录结构

说明：目录结构

名称	说明
doc	文档目录
examples	例子目录
src	源代码目录

2.2 许可证

参见源码内许可证

2.3 项目依赖

• 如果从外部加载训练集或者模型，需要打开文件系统支持，并且支持 POSIX 接口

3、如何使用 libann

使用 libann 需要在 RT-Thread 的包管理器中选择它，具体路径如下：

RT-Thread online packages
  miscellaneous packages  --->
      [*] libann: a light-weight ANN library, capable of training, saving and loading  models.

然后让 RT-Thread 的包管理器自动更新，或者使用 pkgs --update 命令更新包到 BSP 中。

4、注意事项

这个库只是为了测试不同开发板运行 ANN 的计算能力而设置的，实际的机器学习流程需要 train test split, noramalization 等等。

除了测试算力，这个软件包也可以帮助理解 ANN 模型结构，保存的模型使用的是 ASCII 格式，所以可以直接打开看模型各层大小和参数，每个隐藏层节点大小默认是一样的。

5、感谢

codeplea: https://github.com/codeplea/genann

6、联系方式

• 维护：Wu Han
• 主页：http://wuhanstudio.cc
• 联系：https://github.com/wuhanstudio/rt-libann/issues