K230 CanMV nncase_runtime 模块API手册#

cover

版权所有©2023北京嘉楠捷思信息技术有限公司

免责声明#

您购买的产品、服务或特性等应受北京嘉楠捷思信息技术有限公司(“本公司”,下同)及其关联公司的商业合同和条款的约束,本文档中描述的全部或部分产品、服务或特性可能不在您的购买或使用范围之内。除非合同另有约定,本公司不对本文档的任何陈述、信息、内容的正确性、可靠性、完整性、适销性、符合特定目的和不侵权提供任何明示或默示的声明或保证。除非另有约定,本文档仅作为使用指导参考。

由于产品版本升级或其他原因,本文档内容将可能在未经任何通知的情况下,不定期进行更新或修改。

商标声明#

logo、“嘉楠”和其他嘉楠商标均为北京嘉楠捷思信息技术有限公司及其关联公司的商标。本文档可能提及的其他所有商标或注册商标,由各自的所有人拥有。

版权所有 © 2023北京嘉楠捷思信息技术有限公司。保留一切权利。 非经本公司书面许可,任何单位和个人不得擅自摘抄、复制本文档内容的部分或全部,并不得以任何形式传播。

目录#

[toc]

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, interp_method, interp_mode)

【参数】

名称

类型

描述

resize_flag

bool

是否开启resize功能

interp_method

ai2d_interp_method

resize插值方法

interp_mode

ai2d_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, 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

interp_method

ai2d_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 ]

2.5 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()