010-61934861

长短期记忆网络（Long Short-Term Memory, LSTM）是一种特殊类型的循环神经网络（RNN），由 Hochreiter 和 Schmidhuber 于 1997 年提出。LSTM 旨在解决传统 RNN 在处理长序列数据时遇到的梯度消失或梯度爆炸问题。 LSTM 网络的核心是三个门的机制：遗忘门（forget gate）、输入门（input gate）、输出门（output gate）。这些门通过自适应的方式控制信息的流动，从而实现对长期依赖信息的捕捉。

资源准备

1. 数据集资源下载

   CMD_12_test是一个语音分类数据集，是从wav数据预处理后得来，包含 _slilence_, _unknown_, yes, no, up, down, left, right, on, off, stop, go 12个类别，存放在本工程data目录下。

2. 模型资源下载

   权重存放在本工程weight目录下。
   

3. 清微github modelzoo仓库下载

   git clone https://github.com/tsingmicro-toolchain/ts.knight-modelzoo.git

Knight环境准备

1. 联系清微智能获取Knight工具链版本包 ReleaseDeliverables/ts.knight-x.x.x.x.tar.gz。下面以ts.knight-3.0.0.11.build1.tar.gz为例演示。

2. 检查docker环境

   默认服务器中已安装docker（版本>=19.03）, 如未安装可参考文档ReleaseDocuments/《TS.Knight-使用指南综述_V3.0.11.pdf》。

    docker -v

3. 加载镜像

    docker load -i ts.knight-3.0.0.11.build1.tar.gz

4. 启动docker容器

    docker run -v ${localhost_dir}/ts.knight-modelzoo:/ts.knight-modelzoo -it ts.knight:3.0.0.11.build1 /bin/bash

   localhost_dir为宿主机目录。

模型移植流程

1. 量化&编译

• 模型准备

  如上述"Knight环境准备"章节所述，准备好lstm pytorch权重文件。

• 量化数据准备

  通过命令行参数-i 10指定校准数据量，-d指定数据集路径。

• 模型转换函数、推理函数准备

  已提供量化依赖的模型转换和推理函数py文件: /ts.knight-modelzoo/pytorch/builtin/audio/classification/lstm/src/lstm.py

• 执行量化命令

  在容器内执行如下量化和编译命令，具体量化、编译参数可见 lstm_config.json

  Knight --chip TX5368AV200 build --run-config data/lstm_config.json

• 量化后模型推理

  Knight --chip TX5368AV200 quant --run-config data/lstm_infer_config.json

2. 仿真

#准备bin数据
python3 src/make_rnn_input_onnx.py  --input /ts.knight-modelzoo/pytorch/builtin/audio/classification/lstm/data/cmd_12_test.pkl --outpath /TS-KnightDemo/Output/lstm/npu
#仿真
Knight --chip TX5368AV200 run --run-config data/lstm_config.json
#仿真输出txt文件转numpy
show_sim_result --sim-data /TS-KnightDemo/Output/lstm/npu/result-413_p.txt --save-dir /TS-KnightDemo/Output/lstm/npu/
#模型后处理
python src/post_process.py --numpys /TS-KnightDemo/Output/lstm/npu/result-413_p.npy

3. 性能分析

Knight --chip TX5368AV200 profiling --run-config data/lstm_config.json

4. 仿真库

5. 板端部署

支持芯片情况

版本说明

2023/11/23 第一版

LICENSE

ModelZoo Edge 的 License 具体内容请参见LICENSE文件

免责说明

您明确了解并同意，以上链接中的软件、数据或者模型由第三方提供并负责维护。在以上链接中出现的任何第三方的名称、商标、标识、产品或服务并不构成明示或暗示与该第三方或其软件、数据或模型的相关背书、担保或推荐行为。您进一步了解并同意，使用任何第三方软件、数据或者模型，包括您提供的任何信息或个人数据（不论是有意或无意地），应受相关使用条款、许可协议、隐私政策或其他此类协议的约束。因此，使用链接中的软件、数据或者模型可能导致的所有风险将由您自行承担。