如何在MCU上进行实际的部署
本篇将是系列文章的最后一篇，在MCU上进行实际的部署。 小编就不再给大家复习历史了，直接开始正题。如果想温习前两部分内容，请点击此处和此处。
首先给大家介绍一下我们将要使用的离线Flash烧写工具，名为JFlashLite，他有一个兄弟叫JFLash，既然是Lite就是轻量版本的JFlash工具。
当然，需要大家自行下载Segger Jlink工具包。是的，我们需要一条JLink。随后找到JFlashLite工具，他长这样（请忽略这里的1176，我们还没有配置）：
比起下图他的哥哥JFlash，是不是很清爽的界面： 
当然，我们今天的主角是JFlashLite，稍后会介绍如何进行配置并下载
程序编写
工具介绍完了，下面正式开始编写配套程序，所使用的平台是i.MX RT1060, 开发板是IMXRT1060EVKB：
划分FLASH以及sdram区域，sdram区域负责加载flash中内容，加速内存访问：我们的开发板上有一个8MB的Flash，内存映射地址为0x60000000，首先保留1MB的头部区域以存储代码，其作用后续会提到。那么我们就剩下7MB大小的空间，由于数据一般较大，划分4MB作为数据存储区，剩下的3MB存储模型。同样的，在sdram区域，内存映射地址为0x80000000也同样开辟这样大的两块内存区，不过，为了防止数据溢出，我们仅针对于sdram区域，在数据区和模型区中间插入256B的数据保护区，并填充0xdeadbeef，最终的内存布局如下：
Flash上内存分配
Sdram内存分配
利用JflashLite工具进行烧写：
打开JFlashLite工具点击…选择器件为1062xxxxA：
选择对应的数据文件以及模型进行烧写，烧写地址要依据上述定义的分配，即模型数据烧写到0x60100000，图像数据烧写到0x60400000：
选择好之后，点击Program Device即可进行烧写；针对于模型数据，yao注意将以.tflite结尾的模型文件，重命名为.bin文件。
Scf文件编写，主要考虑到，运行时，将flash中的数据，拷贝到sdram中，以提高运行速度，这里声明两个区域负责存储ER_tflite_model以及ER_test_data
#define m_text_start 0x80000400
#define FLASH_LOAD 7 * 1024 * 1024
LR_m_text m_interrupts_start m_text_start+m_text_size-m_interrupts_start { ; load region size_region
VECTOR_ROM m_interrupts_start FIXED m_interrupts_size { ; load address = execution address
* (.isr_vector,+FIRST)
}
ER_m_text m_text_start FIXED m_text_size - FLASH_LOADER_SIZE { ; load address = execution address
* (InRoot$$Sections)
.ANY (+RO)
}
#if (defined(FLASH_LOAD))
ER_ test_data +0 EMPTY 4 * 1024 * 1024 {}
ER_PLACEHOLDER1 +0 EMPTY FILL 0xdeadbeef 256{}
ER_tflite_model +0 EMPTY 3 * 1024 * 1024 {}
ER_PLACEHOLDER2+0 EMPTY FILL 0xdeadbeef 256{}
ER_EMPTY m_text_start + m_text_size EMPTY 0{}
#endif
主代码编写，针对于边界溢出检测代码，简单起见，只检测首地址处值，不同则表示溢出，死循环等待
typedef struct {
uint32_t n, h, w, c;
uint8_t data[0];
}data_t;
// use a split area, total 7MB:
// tflite model 3MB
// img_data 4MB
#define FLASH_BASE (0x60100000)
#define MB(x) (x * 1024 * 1024)
#define lr_model_data_len (MB(3))
#define lr_model_data FLASH_BASE
#define lr_model_data_end (lr_model_data + lr_model_data_len)
#define lr_img_data_len (MB(4))
#define lr_img_data (lr_model_data_end) // 0x60200000
#define lr_img_data_end (lr_img_data + lr_img_data_len)
// declare the sdram memory
extern uint8_t Image$$ER_tflite_model$$ZI$$Base[];
#define model_data Image$$ER_tflite_model$$ZI$$Base
extern uint8_t Image$$ER_test_data$$ZI$$Base[];
#define img_data Image$$ER_test_data$$ZI$$Base
extern uint8_t Image$$ER_PLACEHOLDER1$$ZI$$Base[];
#define PLACEHOLDER1 Image$$ER_PLACEHOLDER1$$ZI$$Base
extern uint8_t Image$$ER_PLACEHOLDER2$$ZI$$Base[];
#define PLACEHOLDER2 Image$$ER_PLACEHOLDER2$$ZI$$Base
#define DO_MEMCPY(name) memcpy((void*)name, (void*)lr_##name, lr_##name##_len)
#define PRE_INIT()
do{
DO_MEMCPY(model_data);
DO_MEMCPY(img_data);
while(0xdeadbeef != *(uint32_t*) PLACEHOLDER1) ;
while(0xdeadbeef != *(uint32_t*) PLACEHOLDER2) ;
}while(0);
定义好了一些宏之后，就是模型的初始化函数：
void tflite_engine_init(){
#ifdef FLASH_LOAD
PRE_INIT()
#endif
SysTick_Config(CLOCK_GetCoreSysClkFreq() / 1000);
MODEL_AllocateTensor((void*)tensorArena, sizeof(tensorArena));
if (MODEL_Init(model_data) != kStatus_Success)
{
PRINTF("Failed initializing model");
for (;;) {}
}
}
测试数据如何获取呢，利用我们刚才定义的data_t结构体：
data_t *image = (data_t*)img_data; image_data_ptr = image->data;
这样，我们就拿到了存储在flash并且已经被搬运到了sdram上的数据了，接下来就是编译运行了。
实际运行与测试
测试时候，要注意首先确保我们的开发板已经是XIP启动，即从Nor Flash启动，并且保证在flash的头部，烧写过一个完整的可执行镜像，比如hello_world程序，其中会包含Flash的一些配置信息，这一步小编就不再举例，还请大家自行准备。
这样，我们的BootRom会据此帮我们配置好Flash，程序中就不用手动调用Flash的初始化代码了。
还要注意，代码要全部运行在SDRAM或是其他介质上，因为我们已经将flash据为己有了。
下面是内存镜像的样子，首先是model：
再者是测试数据，前四个uint32类型的数据刚好是小编这里定义的数据长度100张128*128*3的rgb彩色图：
连上板子和PC，并打开串口控制台即可查看输出结果，小编所选用的模型是一个水果识别的模型，下面是最后一组数据的输出结果，证明我们的程序运行成功！
展望
当然，小编给大家分享的这个方法，不仅可以应用在神经网络AI推理上，可以当作一个低配版的flashloader，以供大家灵活地更新静态数据资源。
-
mcu
+关注
关注
146文章
17123浏览量
350967 -
FlaSh
+关注
关注
10文章
1633浏览量
147935 -
工具包
+关注
关注
0文章
46浏览量
9529
原文标题：一种基于MCU的神经网络模型在线更新方案之MCU实战篇
文章出处：【微信号：NXP_SMART_HARDWARE，微信公众号：恩智浦MCU加油站】欢迎添加关注！文章转载请注明出处。
发布评论请先 登录
相关推荐
工商网监
评论