7. 开发工具简介

7. 开发工具简介 #

我们为在k230上实现AI开发提供了丰富的工具,包括AI Cube、在线训练平台、k230_training_scripts(KTS)等。您可以根据您的个人情况选择合适的工具进行开发。

工具

优点

缺点

适配用户/场景

支持固件

在线训练平台

1.训练数据集云端存储,提供存储资源和计算资源;
2.支持在线标注功能,可以完成导入数据,标注训练;
3.支持数据集可视化、模型训练、测试、部署包生成等功能;
4.部署包提供可直接上板运行的可执行文件,同时提供C++和MicroPython部署源码,任务完成后部署包发送到注册邮箱;

1.任务类型仅支持图像分类和目标检测;
2.数据安全性不敏感;

适用于不具备计算资源、数据集无安全性要求、了解嵌入式开发的用户;

1. Linux+RT-Smart双系统固件;
2. MicroPython固件;

AI Cube

1.训练数据本地存储,数据安全可控;
2.支持任务丰富,支持图像分类、目标检测、语义分割、OCR检测、OCR识别、度量学习、多标签分类、异常检测共8类任务;
3.自主功能丰富,除支持模型训练、模型测试、部署包生成等基础功能,还支持包括数据可视化拆分、数据集查看、训练参数自主配置、数据增强可视化、独立数据测试等细化功能;
4.部署包提供可直接上板运行的可执行文件,同时提供C++和MicroPython部署源码;
5.支持ubuntu和windows双平台应用;

1.用户需自行配置计算资源;
2.因包含多类任务训练环境,安装包较大;

适用于具备计算资源,了解嵌入式开发,有数据安全性要求的用户;

1. Linux+RT-Smart双系统固件;
2. MicroPython固件;

k230_training_scripts(KTS)

1.提供cv、nlp、语音等不同模态任务的k230 AI 开发示例;
2.支持实现端到端的全流程教学,实现包括环境搭建、模型训练、模型测试、模型转换、镜像编译、上板调试等详细步骤;
3.各步骤灵活可控,用户可以选择根据自己的需求替换模型、调参等,也可以直接使用其他预训练模型自行配置校正集进行模型转换,可以修改上板的C++代码实现任务适配;

1.代码性较强,用户需要有较强的动手能力;
2.资源要求高,需要有对应的服务器资源或者个人计算资源;

适用于数据安全性高,喜欢动手开发,调试源码,并具备一定的服务器资源和计算资源的用户;

1. Linux+RT-Smart双系统固件;
2. MicroPython固件;
3. 纯RT-Smart单系统固件,固件需自己编译;

CanCollectorPlus

1. 作为上述三个工具的补充,获得k230采集的数据集;
2. 采集的数据作为训练数据,和部署时开发板采集的数据保持分布一致,减小颜色、光照、视角、分辨率等存在差异。

1. 需要用户自行完成标注;

适用于使用公开数据集训练的模型在k230开发板上部署效果差异较大的场景;

1. Linux+RT-Smart双系统固件;

注:对于K230D芯片,在线训练平台和AICube仅能使用得到的kmodel,板上运行代码需要您自行编写并编译成elf文件。