Thinker ResNet18 示例

功能说明

本示例演示在 ARCS 上直接链接 Thinker 推理库，加载外部 Flash 中的 resnet18_arcs.bin，对一帧 RGB565 测试图进行 CIFAR-100 分类。 示例固件运行在 AP Core，由 AP Core 初始化 Luna 并调用 Thinker 完成推理。

模型资源

默认配置：

CONFIG_THINKER_RESNET18_MODEL_ADDR=0x30300000
CONFIG_THINKER_RESNET18_MODEL_SIZE=0x1FD1E0

对应烧录偏移为 0x300000。如模型大小或烧录地址不同，需要同步修改 prj.conf 中的配置。

重要提示：在编译前，请先确认您使用的开发板型号。SDK 目前支持以下开发板：

  • arcs_evb - ARCS EVB 评估板

  • arcs_mini - ARCS Mini 开发板

根据您的开发板型号，选择对应的编译命令：

在 SDK 根目录执行编译。Linux 使用 build.sh：

# 使用 arcs_evb 开发板
./build.sh -C -S samples/<示例路径> -DBOARD=arcs_evb

# 或使用 arcs_mini 开发板
./build.sh -C -S samples/<示例路径> -DBOARD=arcs_mini

Windows PowerShell 使用 build.ps1：

# 使用 arcs_evb 开发板
.\build.ps1 -C -S samples/<示例路径> -DBOARD=arcs_evb

# 或使用 arcs_mini 开发板
.\build.ps1 -C -S samples/<示例路径> -DBOARD=arcs_mini

Note

确保已安装对应平台的工具链和 ListenAI 开发工具包。Windows 环境请先执行 .\env.ps1 或直接使用 .\build.ps1 自动加载环境。

编译完成后，使用 SDK tools 目录下的 cskburn 工具烧录固件。

Linux:

./tools/burn/cskburn -s /dev/ttyUSB0 -b 3000000 0x0 build/arcs.bin -C arcs

Windows PowerShell:

.\tools\burn\cskburn.exe -C arcs -s COM7 -b 3000000 0x0 .\build\arcs.bin

Note

烧录参数说明：

  • -s /dev/ttyUSB0 / -s COM7：串口设备路径，需要根据实际情况修改 - Linux 系统：通常是 /dev/ttyUSB0 或 /dev/ttyACM0 - 可通过 ls /dev/tty* 命令查看可用串口设备 - Windows 系统：通常是 COM7、COM8 等，可在“设备管理器”的“端口”中查看 - 不同开发板或 USB 转串口芯片可能使用不同的设备名

  • -b 3000000：烧录波特率（3Mbps）

  • 0x0：烧录起始地址

  • build/arcs.bin / .\build\arcs.bin：编译生成的固件路径

  • -C arcs：芯片类型

注意事项：

  • 确保开发板已正确连接到电脑

  • 如果无法识别串口设备，请检查 USB 连接线是否正常，或尝试其他 USB 端口

模型烧录示例

cskburn -C arcs -s /dev/ttyACM0 -b 3000000 0x300000 ./resources/resnet18_arcs.bin

测试图片转换

示例入口使用 src/test_image_apple.h 中的 RGB565 静态数组作为测试图片。 如需替换图片，可使用 scripts/image_to_rgb565_header.py 将 PNG、JPEG 等图片 转换为可直接编译进固件的 C 头文件：

cd labs/lnn/thinker_resnet18
./scripts/image_to_rgb565_header.py resources/img_apple.png src/test_image_apple.h

脚本默认输出 64x64 的 RGB565 数据，数组名为 test_image，并生成 TEST_IMAGE_WIDTH 和 TEST_IMAGE_HEIGHT 宏。常用参数如下：

./scripts/image_to_rgb565_header.py input.png src/test_image_apple.h \
  --width 64 --height 64 \
  --symbol test_image \
  --background "#ffffff"

脚本依赖 Python Pillow 库；若本机缺少依赖，可执行：

python3 -m pip install Pillow

测试图片预览

Thinker ResNet18 示例测试图片预览

预期输出

[I][resnet18] memory plan: entries=...
[I][resnet18] best score: ..., index: ..., label: ...
[I][thinker_resnet18] resnet18 result: label=... score=...

核心 API

API

说明

tGetMemoryPlan()

获取模型运行所需内存段

tModelInit()

初始化 Thinker 模型

tCreateExecutor()

创建推理执行器

tSetInput()

设置输入张量

tForward()

执行推理

tGetOutput()

获取输出张量

注意事项

  1. 默认模型地址 0x30300000 位于应用镜像之后，CONFIG_MEM_FLASH_SIZE 已限制为 0x00300000，避免应用和模型资源重叠。

  2. CONFIG_THINKER_RESNET18_PSRAM_POOL_SIZE 控制 Thinker 运行期 PSRAM 内存池大小，内存计划不足时会在日志中报出需要的大小。

  3. CONFIG_THINKER_RESNET18_SHARE_POOL_SIZE 控制 Thinker SHARE_MEM 内存池大小，默认链接到 APRAM，即 Luna 共享内存窗口 0x20050000 起始区域。

  4. 本示例固定使用 common arcs_dma_cpy 的 DMA copy 路径，并持久占用算法 DMA channel。