Сценарий исполнения нейронной сети из тернарных слоев для классификации изображений

Вы можете использовать этот сценарий при разработке прикладных решений.

В этом разделе приводится пример создания, обучения, размещения нейронной сети для классификации изображений и ее исполнения на нейроморфном процессоре Алтай-2. Нейронная сеть состоит из тернарных слоев пакета ANN2SNN.

Сценарий исполнения нейронной сети из тернарных слоев для классификации изображений состоит из следующих этапов:

1. Создание и обучение нейронной сети из тернарных слоев

   Создайте нейронную сеть с помощью тернарных слоев пакета ANN2SNN. В качестве функции активации выходного слоя укажите функцию softmax. Подготовьте данные для обучения нейронной сети. Приведите данные для обучения в бинарный вид. Обучите нейронную сеть и оцените результаты обучения.

2. Размещение нейронной сети

   Укажите параметры конфигурации нейроморфного процессора Алтай-2 в YAML-файле. Разместите нейронную сеть с помощью следующей команды:

   placer -p <NN_file> -l <placer_log> -o <altai_config> -hw <hw_config>

   В этой команде:

   • <NN_file> – путь к файлу с обученной нейронной сетью;
   • <placer_log> – путь к файлу, в который будут записываться журналы утилиты placer;
   • <altai_config> – путь к файлу, в который будет сохранена конфигурация для загрузки на нейроморфный процессор;
   • <hw_config> – путь к файлу, содержащему конфигурацию нейроморфного процессора. Если флаг -hw не указан, используется конфигурация нейроморфного процессора по умолчанию.

   Пример:

   placer -p mnist.keras -l mnist_placer.log -o mnist.json

3. Запуск инференса нейронной сети

   Подключите объединительную плату с нейроморфным процессором Алтай-2 к компьютеру с помощью интерфейсов PCI-E или USB.

   Укажите конфигурационный файл и компонент для исполнения нейронной сети. Нейронная сеть может быть исполнена как на аппаратном процессоре Алтай-2, так и на его программном эмуляторе. Подготовьте данные для инференса и приведите их в бинарный вид. Запустите инференс.