【米尔-芯驰D9国产商显板开发板】在国产芯上运行TinyMaxi轻...
## 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
```bash
cmake -version
```
!(//m.qjumbo.com/forum/data/attachment/forum/202406/05/194146azhghse2hr4tcgv4.png)
* 查看make版本
```bash
make -version
```
!(//m.qjumbo.com/forum/data/attachment/forum/202406/05/194406fhtj6rkzqltbya9l.png)
确认文件路径，尽量不要拷贝到有权限的路径下
自带示例
!(//m.qjumbo.com/forum/data/attachment/forum/202406/05/194229l39xe9692q3x7qay.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
```bash
cmake ..
make
./ mnist
```
cmake生成构建系统
!(//m.qjumbo.com/forum/data/attachment/forum/202406/05/194303l1tuzrrkkz2kavbl.png)
使用make构建可执行文件然后运行
!(//m.qjumbo.com/forum/data/attachment/forum/202406/05/194336l8p8jij3o4enzij0.png)
可以看到输出信息 
!(//m.qjumbo.com/forum/data/attachment/forum/202406/05/194434snv8anoreors0isz.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
!(//m.qjumbo.com/forum/data/attachment/forum/202406/05/194447r7llfzpz96y6dk6j.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
!(//m.qjumbo.com/forum/data/attachment/forum/202406/05/194512mi7c3b72rjf7jrff.png)
!(//m.qjumbo.com/forum/data/attachment/forum/202406/05/194522ap0c4rcil0krokpl.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
!(//m.qjumbo.com/forum/data/attachment/forum/202406/05/194603uausvvetu1femt1v.png)
!(//m.qjumbo.com/forum/data/attachment/forum/202406/05/194606poo5ceewmbo1fd2k.png)
页:
[1]