- 博客(9)
- 收藏
- 关注
RSS订阅原创 在STM32上运行小波变换及神经网络算法——（三）Python中训练一个模型并移植
在Python上训练神经网络模型，并将模型保存成单片机可读取的文件。以BP神经网络为例，我们以Sequential框架搭建了有三个中间层的网络并训练，绘制了模型的预测结果及计算模型准确率。现在，利用生成的文件，进行模型的移植。介绍第二种训练神经网络模型的方式，这样的模型同样能够导入单片机中运行，且更加方便，模型种类更多。以下再给出GRU模型的构建、训练及保存方式，其它模型可以参考着搭建。关于cube.AI的使用，可以参考的太多了，简单贴几篇，不作介绍。可以看到，这个方式生成模型相对方便，调用起来也容易。
2025-09-22 23:12:23
413
原创 在STM32上运行小波变换及神经网络算法——（二）Matlab中训练一个BP神经网络模型并移植
因此，在Matlaab中实现训练好BP模型，将相应权重和阈值参数提出出来，导出到C代码中编写，即可实现单片机上的BP神经网络算法。而后，编写BP算法，注意到调用了arm_mat_mult_f32(&input,&w1,&z1)函数，其表示矩阵乘法：z1 = input*w1，自行了解如何调用。可以看到，我们是在理解了BP神经网络的组成形式后将其移植到C代码中，若是遇到层数更多的BP模型或是更加复杂的其它模型，这种方式恐怕难以胜任。本文介绍两种训练神经网络模型的方式，这样的模型是能够导入单片机中运行的。
2025-09-22 22:07:57
238
原创 在STM32上运行小波变换及神经网络算法——（一）单片机中小波算法编写
在单片机上实现离散小波变换的C代码，通过确定信号长度、小波分解层数、小波基名称后进行编写，并改写成了方便调用的结构体格式。
2025-09-22 21:03:51
828
原创 LIME因果学习结果图在python未显示的尝试解决
没有办法，这句话只能在Jupyter上运行，目前似乎无法解决。以上输出的信息就包含图片的全部数据，可以导出来自己画。
2023-06-12 17:12:44
954
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人