此项目为我的2022-2023学年毕业设计，项目名称为端侧神经网络的部署与优化（Deployment and Optimization of Endpoint Neural Networks），此项目仅为demo。项目采用的微控制器均为STM32F407ZGT6。模型于CubeAI文件夹中可见。
- NN：神经网络的训练与数据集的处理，本项目数据集使用凯斯西储大学CWRU数据集，神经网络使用WDCNN，使用TensorFlow框架搭建和训练。
- microTVM：基于TVM-v0.10.0搭建的用于基于Cortex-M4内核的微控制器的应用实例。
- Keil：基于MDK5和microTVM搭建的项目实例。
- CubeAI：基于STM32CubeMX、X-Cube-AI和MDK5搭建的项目实例。
- TFLM：基于STM32CubeMX、X-Cube-AI、TensoFlow Lite Micro和MDK5搭建的项目实例。
| 部署框架 | 使用模型 | PC推理精度 | 板上推理精度 | 板上推理延迟 |
|---|---|---|---|---|
| MicroTVM | WDCNNQuant_v1.tflite | 97.4% | 97.4% | 16.0ms |
| X-Cube-AI | WDCNNQuant_v1.tflite | 97.4% | 97.4% | 22.6ms |
| X-Cube-AI | WDCNN.tflite | 99.8% | 99.8% | 40.5ms |
| X-Cube-AI | WDCNN.h5 | 99.8% | 99.8% | 63.7ms |
| TFLM | WDCNNQuant_v1.tflite | 97.4% | 97.4% | 17.6ms |
推理延迟均为运行推理函数（run/invoke等）1000次并进行计时，取得平均推理时间