RT-Thread AI kit轻松部署 STM32Cube-AI 至 RT-Thread

RT-AK 简介

RT-AK: RT-Thread AI kit，RT-Thread AI 套件

RT-AK 是 RT-Thread 团队为 RT-Thread 实时操作系统所开发的 AI 套件，能够一键将 AI 模型部署到 RT-Thread 项目中，让用户可以 在统一的 API 之上进行业务代码开发，又能在目标平台上获得极致优化的性能，从而更简单方便地开发端侧 AI 应用程序。

在 RT-AK 支持下，仅需要一行命令，python aitools.py --model xxx...，即可将 AI 模型部署到 RT-Thread 系统中：

详细的命令请查阅：[如何运行 aitools.py](# step1 运行 rt_ai_tools/aitools.py)

开源链接：https://github.com/RT-Thread/RT-AK

示例DEMO

本教程 RT-AK 适配目标平台：STM32

以下项目为 RT-AK 的示例 Demo，基于 ART-PI 硬件平台和 Mnist 数据集。

1. 准备工作

• Windows 10

• Python >= 3.7

准备以下四份重要重要重要的材料：

1.1 X-CUBE-AI 介绍

• 下载地址：

  https://www.st.com/zh/embedded-software/x-cube-ai.html

• 版本：V5.2.0

（以上链接请复制至外部浏览器打开）

TO DO LIST: 最新的版本是 V6.0.0，目前使用的是 V5.2.0，稍后的 RT-AK 将会更新

X-CUBE-AI 是 STM32Cube.AI 生态系统的 STM32Cube 扩展软件包的一部分，能够自动转换预训练的神经网络。

X-CUBE-AI

下载界面

1.2 X-CUBE-AI 解压

下载后的文件夹界面

其中：

• stm32ai-windows-5.2.0.zip 是我们所需要，该文件夹里面存放的是 X-CUBE-AI 模型转换软件：stm32ai

• STMxxx.pack 是 STM32Cube.AI 的静态库文件，无需解压，已经存在。

解压 stm32ai-windows-5.2.0.zip 。

例：在这里我将其解压到：D:\Program Files (x86)\stm32ai-windows-5.2.0 ，可以在该路径下看见有一个 windows 文件夹。

记下该路径，重要重要重要

STM32: X-CUBE-AI 解压路径

1.3 ART-PI BSP

1. 先打开 RT-Thread Studio

2. 新建 ART-PI BSP

如果在开发板的地方，没有找到 STM32H750-RT-ART-PI，请查阅：

https://github.com/RT-Thread-Studio/sdk-bsp-stm32h750-realthread-artpi/blob/master/documents/UM5002-RT-Thread%20ART-Pi%20%E5%BC%80%E5%8F%91%E6%89%8B%E5%86%8C.md

（以上链接请复制至外部浏览器打开）

RT-Thread Studio 新建 ART-PI

2. 执行步骤

Step1 运行  rt_ai_tools/aitools.py 

代码将会自动使用 STM32Cube.AI 的模型转换工具，获得一个集成了 AI 的 BSP

对，就是这么硬核，一步肝到位！

内部的流程请看源码或者 plugin_stm32 仓库下的 readme 文档

运行命令

进入 edge-ai/RTAK/tools 路径，运行 aitools.py。

1# 运行命令
2python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path> --clear
3
4# 示例
5python aitools.py --project="D:\RT-ThreadStudio\workspace\test" --model="./Models/keras_mnist.h5" --platform=stm32 --ext_tools="D:\Program Files (x86)\stm32ai-windows-5.2.0\windows" --clear

运行到该步骤操作已经结束，后续是补充说明。

运行命令其他参数补充说明

 1# 指定转换模型的名称，--model_name 默认为 network
 2python aitools.py --project=<your_project_path> --model=<your_model_path>  --model_name=<model_name>  --platform=stm32 --ext_tools=<your_x-cube-ai_path>
 3
 4# 保存运行 stm32ai 线程过程中产生的文件，--clear 默认为空
 5# 如果存在，则将会删除 `stm32ai` 运行时产生的工作文件夹，即`--stm_out`
 6python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path>
 7
 8# 指定保存运行日志, --log 默认为空
 9python aitools.py --project=<your_project_path> --model=<your_model_path> --log=./log.log --platform=stm32 --ext_tools=<your_x-cube-ai_path>
10
11# 指定保存的文件夹名称，--stm_out 默认是当天时间，比如 './20210223'
12python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path> --stm_out <new_dir>
13
14# 指定生成的 c-model 名，--c_model_name 默认是network
15python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path> --c_model_name=<new_model_name>

运行参数详细说明

• 主函数参数部分

• STM32 平台插件参数部分

Step2 编译和烧录

本教程仅展示 RT-Thread Studio 编译，另外还支持以下几种编译方式：

• Keil

• 基于 RT-Thread Env 的 Scons

• 不基于 RT-Thread Env 的Scons

RT-Thread Studio 编译和烧录

在 RT-Thread Studio 中，找到项目工程，右键，

更新软件包 + 刷新工程，

然后编译（????），

最后烧录加显示。

这时候你就已经成功获得了一个集成了 AI 和 RT-Thread 的新的 ART-Pi BSP，

就可以RT-Thread 系统上做应用开发啦。

示例应用代码提供

我们提供了一份运行模型推理的示例代码 mnist_app.c：

http://117.143.63.254:9012/www/RT-AK/mnist_app.zip（以上链接请复制至外部浏览器打开）：

1. 下载解压，放置到 /applications 路径下

1. 选中 RT-Thread Studio 中的 项目工程，右击刷新

1. 编译烧录，

2. 输入命令：mnsit_app

---

3. 完整的示例工程

完整的示例工程仓库地址：下载即可食用

https://github.com/EdgeAIWithRTT/Project3-Mnist_Cube_RTT/tree/master/Mnist_RTT

（以上链接请复制至外部浏览器打开）

#体验打卡#

欢迎大家在体验RT-AK后截图留念，并将运行成功的截图发送至QQ/微信群艾特管理员，我们将从中抽取3名幸运小伙伴送出柿饼派、RT-Thread定制高端运动旅行背包、RT-Thread定制茶具礼盒一份！

RT-AK QQ交流群

807401653

???? 扫码进群 ????

------------ END ------------

推荐阅读：

嵌入式专栏精选教程

精选汇总 | STM32、单片机

精选汇总 | RTOS、操作系统

欢迎关注我的公众号，回复“加群”按规则加入技术交流群，回复“1024”查看更多内容。

欢迎关注我的视频号：

点击“阅读原文”查看更多分享，欢迎点分享、收藏、点赞、在看。