国产RISCV64 也能跑AI
Banana Pi BPI-F3 进控时空 K1开发板 AI人工智能AI 部署工具使用手册_bianbu software-CSDN博客
文章置顶了
有兴趣的可以一起留言探索，非常有意思：
我最近接触到了进迭时空研发的 Spacengine™，这是一套能在进迭时空 RISC-V 系列芯片上部署 AI 算法模型的工具。它让模型部署变得更简单，还能提升模型在芯片上的运行速度。下面是我了解到的主要内容：
- 工具组成：这个工具主要包含三部分。一是工具集，里面的命令都以 spine 开头，比如 spine convert 能转换和量化模型，spine simulate 可以在电脑（x86 平台）上进行模型测试，spine helper 能提供各种辅助功能；二是 AI 引擎，它能把模型高效地部署到芯片上；三是示例包，里面有很多模型示例，能帮我快速熟悉和使用这款工具。
- 部署步骤：部署 AI 模型需要四个步骤。首先是模型转换，能把不同框架的模型转换成特定格式；然后是模型量化，能让模型在芯片上跑得更快，而且量化操作不难，按照说明做就行；接着在电脑上进行仿真测试，看看模型效果怎么样，这个测试结果和在芯片上运行的结果是一样的；最后，根据前面测试的结果，在芯片上开发具体的应用程序。
- 快速开始使用：使用这个工具需要先搭建开发环境，有两种选择，一种是用 Docker，另一种是在本地手动配置。我觉得 Docker 更方便，按照步骤安装好 Docker 后，下载相关镜像，创建并进入容器就能使用了。另外，还有个 quick_start 脚本，能帮我快速熟悉整个部署流程。
- 模型操作细节：模型转换支持好几种常见的框架，还能对特定格式的模型做一些特殊操作。模型量化工具和转换命令结合在一起，通过一个配置文件就能完成量化，量化完会生成新的模型文件和分析文件。仿真测试有两种方式，而且还有一些辅助工具能帮我完成像查看模型信息、对比数据等操作。
- 在芯片上部署和开发应用：在正式把模型部署到芯片上之前，要先测试模型的性能，看看它在芯片上跑得怎么样。部署工具的 SDK 包里有个库，能帮我快速开发应用，里面有很多示例程序，按照说明编译和运行就行。我还了解了一些使用过程中常见问题的解决办法。
- 模型库：进迭时空有个模型库，里面有分类、检测和姿态相关的模型，每个模型都标注了精度、运行时间和下载地址，方便我挑选。