4.1 K230 CanMV nncase_runtime 模块API手册#

前言#

概述#

此文档介绍CanMV nncase_runtime模块,用于指导开发人员使用MicroPython调用KPU和AI2D模块。

读者对象#

本文档(本指南)主要适用于以下人员:

  • 技术支持工程师

  • 软件开发工程师

缩略词定义#

简称

说明

nncase_runtime

k230 nncase runtime包,包含KPU模块和AI2D模块

nncase_runtime.kpu

kpu模块

nncase_runtime.ai2d

ai2d模块

修订记录#

文档版本号

修改说明

修改者

日期

V1.0

初版

杨浩琪

2023-09-18

1. 概述#

此文档介绍CanMV nncase_runtime模块,用于指导开发人员使用MicroPython调用KPU和AI2D模块。

2. API描述#

2.1 from_numpy#

【描述】 从MicroPython中ulab.numpy创建runtime_tensor。

【语法】

runtime_tensor = nncase_runtime.from_numpy(ulab.numpy)

【参数】

参数名称

描述

输入/输出

ulab.numpy

numpy对象

输入

【返回值】

返回值

描述

runtime_tensor

返回创建好的runtime_tensor。

其他

失败,抛出C++异常。

2.2 to_numpy#

【描述】

将runtime_tensor转为ulab.numpy。

【语法】

runtime_tensor = kpu.get_output_tensor(0)
result = runtime_tensor.to_numpy()

【参数】

无。

【返回值】

返回值

描述

ulab.numpy

返回从runtime_tensor转换后的ulab.numpy。

其他

失败

2.3 nncase_runtime.kpu#

kpu模块提供调用KPU硬件来完成开发板上推理神经网络模型的基础函数,主要包括加载模型,设置输入数据,执行推理,获取输出结果等功能。

2.3.1 load_kmodel#

【描述】

加载编译生成的kmodel格式的神经网络。

【语法】

load_kmodel(read_bin)
load_kmodel(path)

【参数】

参数名称

描述

输入/输出

read_bin

kmodel的二进制内容

输入

path

kmodel的路径

输入

【返回值】

返回值

描述

成功。

其他

失败,抛出C++异常。

2.3.2 set_input_tensor#

【描述】

设置kmodel推理时的runtime_tensor。

【语法】

set_input_tensor(index, runtime_tensor)

【参数】

参数名称

描述

输入/输出

index

kmodel的输入索引。

输入

runtime_tensor

包含输入数据信息。

输入

【返回值】

返回值

描述

成功。

其他

失败,抛出C++异常。

2.3.3 get_input_tensor#

【描述】

获取kmodel推理时的runtime_tensor。

【语法】

get_input_tensor(index)

【参数】

参数名称

描述

输入/输出

index

kmodel的输入索引。

输入

【返回值】

返回值

描述

runtime_tensor

包含输入数据信息。

其他

失败,抛出C++异常。

2.3.4 set_output_tensor#

【描述】

设置kmodel推理后的输出结果。

【语法】

set_output_tensor(index, runtime_tensor)

【参数】

参数名称

描述

输入/输出

index

kmodel的输出索引。

输入

runtime_tensor

输出结果。

输入

【返回值】

返回值

描述

成功。

其他

失败,抛出C++异常。

2.3.5 get_output_tensor#

【描述】

获取kmodel推理后的输出结果。

【语法】

get_output_tensor(index)

【参数】

参数名称

描述

输入/输出

index

kmodel的输出索引。

输入

【返回值】

返回值

描述

runtime_tensor

获取第index个runtime_tensor。

其他

失败,抛出C++异常。

2.3.6 run#

【描述】

启动kmodel推理

【语法】

run()

【返回值】

返回值

描述

推理成功

其他

失败,抛出C++异常。

2.3.7 inputs_size#

【描述】

获取kmodel的输入个数。

【语法】

inputs_size()

【返回值】

返回值

描述

size_t

kmodel的输入个数。

其他

失败,抛出C++异常。

2.3.8 outputs_size#

【描述】

获取kmodel的输出个数。

【语法】

outputs_size()

【返回值】

返回值

描述

size_t

kmodel的输出个数。

其他

失败,抛出C++异常。

2.3.9 get_input_desc#

【描述】

获取指定索引的输入的描述信息。

【语法】

get_input_desc(index)

【参数】

参数名称

描述

输入/输出

index

kmodel的输入索引。

输入

【返回值】

返回值

描述

MemoryRange

第index个输入信息:dtype, start, size

2.3.10 get_output_desc#

【描述】

获取指定索引的输出的描述信息。

【语法】

get_output_desc(index)

【参数】

参数名称

描述

输入/输出

index

kmodel的输入索引。

输入

【返回值】

返回值

描述

MemoryRange

第index个输出信息:dtype, start, size

2.4 nncase_runtime.ai2d#

2.4.1 build#

【描述】

ai2d_builder的构造函数.

【语法】

build(input_shape, output_shape)

【参数】

名称

描述

input_shape

输入形状

output_shape

输出形状

【返回值 】

返回值

描述

ai2d_builder

返回ai2d_builder,用于执行。

其他

失败,抛出C++异常。

2.4.2 run#

配置寄存器并启动AI2D的计算.

【定义】

ai2d_builder.run(input_tensor, output_tensor)

【参数】

名称

描述

input_tensor

输入tensor

output_tensor

输出tensor

【返回值】

返回值

描述

成功。

其他

失败,抛出C++异常。

2.4.3 set_dtype#

【描述】

用于设置AI2D计算过程中的数据类型.

【定义】

set_dtype(src_format, dst_format, src_type, dst_type)

【参数】

名称

类型

描述

src_format

ai2d_format

输入数据格式

dst_format

ai2d_format

输出数据格式

src_type

datatype_t

输入数据类型

dst_type

datatype_t

输出数据类型

2.4.4 set_crop_param#

【描述】

用于配置crop相关的参数.

【定义】

set_crop_param(crop_flag, start_x, start_y, width, height)

【参数】

名称

类型

描述

crop_flag

bool

是否开启crop功能

start_x

int

宽度方向的起始像素

start_y

int

高度方向的起始像素

width

int

宽度方向的crop长度

height

int

高度方向的crop长度

2.4.5 set_shift_param#

【描述】

用于配置shift相关的参数.

【定义】

set_shift_param(shift_flag, shift_val)

【参数】

名称

类型

描述

shift_flag

bool

是否开启shift功能

shift_val

int

右移的比特数

2.4.6 set_pad_param#

【描述】

用于配置pad相关的参数.

【定义】

set_pad_param(pad_flag, paddings, pad_mode, pad_val)

【参数】

名称

类型

描述

pad_flag

bool

是否开启pad功能

paddings

list

各个维度的padding, size=8,分别表示dim0到dim4的前后padding的个数,其中dim0/dim1固定配置{0, 0}

pad_mode

int

只支持pad constant,配置0即可

pad_val

list

每个channel的padding value

2.4.7 set_resize_param#

【描述】

用于配置resize相关的参数.

【定义】

set_resize_param(resize_flag, ai2d_interp_method, ai2d_interp_mode)

【参数】

名称

类型

描述

resize_flag

bool

是否开启resize功能

ai2d_interp_method

interp_method

resize插值方法

ai2d_interp_mode

interp_mode

resize模式

2.4.8 set_affine_param#

【描述】

用于配置affine相关的参数.

【定义】

set_affine_param(affine_flag, ai2d_interp_method, cord_round, bound_ind, bound_val, bound_smooth, M)

【参数】

名称

类型

描述

affine_flag

bool

是否开启affine功能

ai2d_interp_method

interp_method

Affine采用的插值方法

cord_round

uint32_t

整数边界0或者1

bound_ind

uint32_t

边界像素模式0或者1

bound_val

uint32_t

边界填充值

bound_smooth

uint32_t

边界平滑0或者1

M

list

仿射变换矩阵对应的vector,仿射变换为Y=[a_0, a_1; a_2, a_3] \cdot X + [b_0, b_1] $, 则 M=[a_0,a_1,b_0,a_2,a_3,b_1 ]

2.4.9 ai2d_format#

【描述】

ai2d_format用于配置输入输出的可选数据格式.

【定义】

class ai2d_format
    YUV420_NV12 = 0
    YUV420_NV21 = 1
    YUV420_I420 = 2
    NCHW_FMT = 3
    RGB_packed = 4
    RAW16 = 5

2.4.10 interp_method#

【描述】

interp_method用于配置可选的插值方式.

【定义】

class interp_method:
    tf_nearest = 0
    tf_bilinear = 1
    cv2_nearest = 2
    cv2_bilinear = 3

2.4.11 interp_mode#

【描述】

interp_mode 用于配置可选的插值模式.

【定义】

class interp_mode:
    none = 0
    align_corner = 1
    half_pixel = 2

2.5 shrink_memory_pool#

【描述】

清理nncase_runtime产生的内存池,释放内存。

【语法】

import gc
import nncase_runtime

gc.collect()
nncase_runtime.shrink_memory_pool()