K210基础入门

作者: Kyle阿凯

关于课程

课程的第一部分是通过训练神经网络识别手写字符X跟O， 学会使用Tensorflow创建模型，并转换为K210的模型格式。

第二部分是教你用k210的SDK, 调用之前的模型，运算完成之后在LCD液晶屏上显示识别结果。

模型训练与转换

1.手写字母数据预处理

先尝试做一下分类，目标是通过神经网络分类，然后完成Tic-Tac-Toe的游戏．

数据集可以来自于手写字母，提取字母中的X跟O

2.Tensorflow神经网络模型训练与冻结

使用Tensorflow构建一个神经网络模型，用于识别字符X跟字符O. 使用上节课处理过的训练数据, 对模型进行训练. 训练完成之后，冻结模型, 导出pb模型文件。

3.模型结构可视化TensorBoard

通过TensorBoard查看神经网络模型结构

4.TensorFlow模型转换为TFlite模型

Tensorflow模型的后缀是pb, TFLite模型的后缀是tflite.

从pb格式转换为tflite格式, 需要使用Maix_Toolbox 根目录下的pb2tflite.sh脚本。

5.TFLite模型转换为K210模型

使用nncase工具箱与MaixToolbox里面的工具完成K210模型转换。

K210 SDK编程指南

6.配置K210的开发环境

7.K210手写数字识别例程源码解读

关于如何自己训练一个卷积神经网络，并在MAIX开发板上运行，Zepan已经在sipeed的Blog写了一篇比较完整的教程：30分钟训练，转换，运行MNIST于MAIX开发板

本教程主要是对mnist的K210例程做一个详细的解读, 对原来例程里面的main.c做了逐行注释.

需要注意的是Sipeed的Lichee K210 Examples 年久失修，已经跟最新版本的K210 ToolChain 还有 SDK不兼容了， 后续有时间重构一份源码。