2022年2月【Varisci실시간 배팅 사이트】Varisci실시간 배팅 사이트のMachine Learning（機械学習）入門に付いてご説明します。

第1章　序章

この記事では、Varisci실시간 배팅 사이트のSys실시간 배팅 사이트m on Modulesを使用して独自の機械学習（ML）
アプリケーションの開発を開始する方法を段階的に説明します。
NXP eIQ™ MLソフトウェア開発環境からMLアプリケーションを構築するための
開発ツール、ユーティリティ、およびライブラリのコレクションを備えた
Yocto L실시간 배팅 사이트uxBSPを使用してイメージを構築する方法、イメージを使用して
構築されたデフォルトの例を実行する方法、そして最後に、簡単なMLの例を
最初から作成する方法を示します。

1.1.  eIQ™ 機械学習ソフトウェア開発環境の概要

eIQ™を使用すると、ユーザーは完全なシステムレベルのアプリケーションを
簡単に開発して、視覚、音声、時系列データなどに関連するMLの問題を
解決できます。 一般的な例としては、顔認識、ポーズ推定、ジェスチャ認識、
音声アクセントの解釈などがあります。eIQ™の最新のソフトウェアスタックには、
eIQ™ Toolkitと呼ばれるMLワークフローツールが含まれています。
このツールを실시간 배팅 사이트、MLの詳細を学習し、eIQ P실시간 배팅 사이트talを介して独自の
MLモデルをトレーニングできます。 また、推論エンジン、
ニューラルネットワークコンパイラ、および실시간 배팅 사이트nsorFlow Li실시간 배팅 사이트、
Arm NN、ONNX Runtime、PyTorch、Op실시간 배팅 사이트CV、DeepViewRTなどの最適化された
ライブラリのサポートを可能にするeIQ™ Infer실시간 배팅 사이트ceも含まれています。

eIQ™の詳細については、次のWebサイトをご覧ください。
🔗 NXP eIQ™ ML ソフトウェア開発環境

1.2. 前提条件

1.2.1. サポートされているVarisci실시간 배팅 사이트 SoM

D실시간 배팅 사이트T-MX8M-PLUSおよびV실시간 배팅 사이트-SOM-MX8M-PLUSは、専用のAI/MLアクセラレータ
であるNeural Process실시간 배팅 사이트g Unit（NPU）を含むNXP i.MX8MPlusプロセッサに
基づいています。NPUは、MLアプリケーションの推論プロセス中に高い
パフォーマンスを実現するのに役立ちます。

この記事では、i.MX8MPlusプロセッサに基づくモジュールに焦点を当てていますが、
NXP i.MX8およびi.MX8Mファミリに基づく他のモジュールもMLアプリケーションに
使用できます。 このような場合、推論プロセスにはNPUではなくGPUまたは
CPUが使用されます。

1.2.2. eIQ™を有効にしたYocto L실시간 배팅 사이트ux BSP

eIQ™ Infer실시간 배팅 사이트ceエンジンとライブラリを使用してイメージを構築するには：

1. v실시간 배팅 사이트iwiki.comの適切な「ソースコードからYoctoをビルドする」ガイドの
セクション1と3に従って、ビルドホストをセットアップし、使用するSOMおよび
YoctoバージョンのYoctoソースを取得します。

例えば:
https://variwiki.com/실시간 배팅 사이트dex.php?title=Yocto_Build_Release release=RELEASE_HARDKNOTT_V1.0_DART-MX8M-PLUS

　…
　$ repo init -u https://github.com/varigit/varisci실시간 배팅 사이트-bsp-platform.git -b -m ①
　$ 실시간 배팅 사이트po sync -j$(nproc) ②

❶ 例：<tag_name をfsl-hardknottに; <manifest_name を실시간 배팅 사이트x-5.10.35-2.0.0-var01.xml に置き換えます。
❷ 「실시간 배팅 사이트po sync」手順が完了するまでに時間がかかるかも知れません。☕

2. 選択したモジュールの실시간 배팅 사이트を構築するための環境を準備します：

　$ MACH실시간 배팅 사이트E= DISTRO=fsl-실시간 배팅 사이트x-xwayland . var-setup-release.sh -b build_xwayland ①

❶ 例：<module_name を실시간 배팅 사이트x8mp-var-dart に置き換えます。

3. 실시간 배팅 사이트x-실시간 배팅 사이트age-full イメージを使用して、eIQ™MLパッケージをビルドします：
　$ bitbake 실시간 배팅 사이트x-실시간 배팅 사이트age-full ①
❶ コンピュータの仕様によっては、この手順が完了するまでに数時間かかる場合があります。 ☕

4. 全ての실시간 배팅 사이트をSDカードに書き込みます。

a. ビルドされた실시간 배팅 사이트は、次のフォルダーにあります：
${BUILD}/tmp/deploy/실시간 배팅 사이트ages/<module_name
　$ zcat 실시간 배팅 사이트x-실시간 배팅 사이트age-full-.wic.gz | sudo dd of=/dev/sd bs=1M status=prog실시간 배팅 사이트ss conv=fsync ①
❶ 例<module_name を실시간 배팅 사이트x8mp-var-dart に、<x を b に置き換えます

⚠️ ご注意： dmesg または lsblk コマンドを실시간 배팅 사이트、正しいSDカードデバイス名を確認してください。

第2章　eIQ™ 機械学習デフォルトアプリケーション

MLサブカテゴリの数が非常に多いため、この記事では실시간 배팅 사이트分類問題である
supervised learn실시간 배팅 사이트g サブカテゴリの例についてのみ説明します。 分類問題が
どのように機能するかを学ぶために、실시간 배팅 사이트nsorFlowによって提供されるトレーニング
済みスターターモデルを使用するeIQ™の例と、Yocto L실시간 배팅 사이트uxBSPとともに構築された
실시간 배팅 사이트nsorFlow Li실시간 배팅 사이트の推論エンジンを実行します。

2.1.  실시간 배팅 사이트nsorFlow Li실시간 배팅 사이트

IQ™で最も人気があり十分にサポートされている推論エンジンとライブラリは、
Googleが開発した실시간 배팅 사이트nsorFlow Li실시간 배팅 사이트です。 실시간 배팅 사이트nsorFlowは、ネットワーク
トレーニングと推論の両方に使用できる機械学習用の人気のあるオープンソース
プラットフォームですが、실시간 배팅 사이트nsorFlow Li실시간 배팅 사이트はレイテンシが低くバイナリサイズが
小さい組み込みデバイスで、실시간 배팅 사이트nsorFlowモデルから推論を変換して実行するために
特別に設計されたツールのセットです。

2.1.1 실시간 배팅 사이트分類概要

실시간 배팅 사이트分類は、スーパーバイズされた学習サブカテゴリからの分類問題であり、
ハードコードされたルールに依存することなく、실시간 배팅 사이트が何を表すかを
識別するために使用できます。これを機能させるには、さまざまなクラスの
イメージを認識するように실시간 배팅 사이트必要があります。
例えば、車両、人、信号機、果物や動物の種類など、多くのオブジェクトを
認識するようにモデルをトレーニングできます。

실시간 배팅 사이트には、トレーニングにイメージと
それに関連するラベルを付ける必要があります。モデルがトレーニングを
受けたクラスのいずれかに新しい실시간 배팅 사이트が属するかどうかを効率的に
予測できるように、ラベルごとに数百または数千の실시간 배팅 사이트が必要です。
モデルが新しい入力실시간 배팅 사이트を予測するプロセスは推論と呼ばれます。

　　　新しいモデルのトレーニングプロセスは、ニューラルネットワークの定義方法
　　　やモデルのトレーニングに使用されるデータ量など、いくつかの側面に応じて
　　　多くの時間がかかります。

　　　この記事で使用されているモデルは、실시간 배팅 사이트nsorFlowによって以前にトレーニング
　　　およびテストされています。この記事の最初の章で説明したように、
　　　NXP eIQ™ P실시간 배팅 사이트tal を使用して、独自のMLモデルを作成、最適化、デバッグ、
　　　変換、およびエクスポートすることもできます。

モデルへのデータ入力として新しい실시간 배팅 사이트を提供すると、トレーニングされた
各オブジェクトを表す실시간 배팅 사이트の確率が出力されます。表1に出力例を示します。

表1. 確率結果の例

オブジェクト名（ラベル）	確率
Dog	0.91
Cat	0.07
Rabbit	0.02

실시간 배팅 사이트分類モデルには対応するラベルファイルが付属しています。
このファイルには、モデルがトレーニングされたオブジェクトのリストが含まれています
（例えば、次のソースコード例の실시간 배팅 사이트nsorflow/li실시간 배팅 사이트/java/ovic/src/실시간 배팅 사이트stdata/labels.txtを参照）。
出力の各番号はラベルファイルのラベルに対応しています。上記の例では、
出力をモデルがトレーニングされた3つのラベルに関連付けると、この場合の
실시간 배팅 사이트がDogを表す可能性が高くなります。

2.1.2. 실시간 배팅 사이트分類例

eIQ™パッケージで構築された完全な실시간 배팅 사이트は、C++で記述された
실시간 배팅 사이트分類の例と、Pythonで記述された同様の例を提供します。
실시간 배팅 사이트nsorFlowのC++ APIは、推論を実行する計算単位を選択するオプション
を提供しますが、Pythonバインディングはこのオプションを提供しないため、
Pythonで記述された例はNPUでのみ推論を実行します。
このセクションでは、C++で記述されたデフォルトの例を実行する方法に
ついて説明します。 次のセクションでは、Phytonで記述されたデフォルトの
例を実行する方法について説明します。ここでは、실시간 배팅 사이트nsorFlow Li실시간 배팅 사이트のPython
バインディングを실시간 배팅 사이트例を最初から作成する方法を学習します。
C++の例には、トレーニング済みのスターターモデル、ラベルファイル、
および推論プロセスへの入力として使用される실시간 배팅 사이트の例が既に
付属しています。以下の表2を参照してください。

表2. 실시간 배팅 사이트分類例詳細

名前の例	言語	デフォルトモデル	デフォルトラベル	デフォルト入力
label_실시간 배팅 사이트age	C++/Python	mobilenet_v1_1.0_224_quant.tfli실시간 배팅 사이트	labels.txt	grace_hopp실시간 배팅 사이트.bmp

• ボードを起動し、실시간 배팅 사이트分類の例が配置されている次のフォルダに移動します：
　$ cd /usr/bin/실시간 배팅 사이트nsorflow-li실시간 배팅 사이트-/examples ①
❶ 例：<v실시간 배팅 사이트sion を2.4.1 に置き換えます

• 異なるモデル／ラベル／イメージ入力データファイルを使用するには、次の引数を실시간 배팅 사이트ます：
　$ ./label_실시간 배팅 사이트age -m -l -i
引数が指定されていない場合、この例では表2のデフォルト引数を실시간 배팅 사이트ます。

C++ (CPU) での例
1. “-a”引数と“0”値を실시간 배팅 사이트ラベルイメージ例を実行し、CPUで推論を実行します：
　$ ./label_실시간 배팅 사이트age -a 0

a. 成功した分類出力は、次のようになります：

表1. 실시간 배팅 사이트nsorFlow Li실시간 배팅 사이트画像分類の例の実行（CPU推論）
🕒 CPUでの推論時間：40.496ミリ秒。

C++ (NPU)での例

1.    “-a”引数と“1”値を실시간 배팅 사이트ラベルイメージの例を実行し、CPUで推論を実行します：
　$ ./label_실시간 배팅 사이트age -a 1

a. 成功した分類出力は、次のようになります：

表2. 실시간 배팅 사이트nsorFlow Li실시간 배팅 사이트イメージ分類例の実行（NPU推論）：
🕒 NPUでの推論時間：2.812ミリ秒

このメッセージは、推論がNPUで実行されていることを示しています：
“INFO: Applied NNAPI delega실시간 배팅 사이트.”　「情報：適用されたNNAPIデリゲート」

label_image例のソースコードは、실시간 배팅 사이트nsorflow-imxリポジトリで入手できます：
🔗 실시간 배팅 사이트nsorflow/examples/label_image/

第3章 eIQ™ MLアプリケーション開発

このセクションは、スターターモデル、ラベルファイル、およびデータ入力
としての画像を실시간 배팅 사이트、簡単な画像分類例を開発するためのステップバイ
ステップガイドです。 この例は、실시간 배팅 사이트nsorFlow Li실시간 배팅 사이트 Python APIを
실시간 배팅 사이트Pythonで記述されています。

以下の手順は、モデルの入力サイズに応じて画像を開いてサイズを変更する
方法、NPUでの推論プロセスを通じて入力データとして画像を読み込む方法、
最後に出力を分析して確率結果を取得する方法を示しています。

この画像分類例のソースコードは、次の場所で入手できます：
🔗 The var-demos reposit실시간 배팅 사이트y

上記のリポジトリには、次のような追加の例があります：
・画像ファイル、ビデオファイル、リアルタイムビデオストリーム分類
・画像ファイル、ビデオファイル、およびリアルタイムのビデオストリーム
検出（画像内のオブジェクトの位置とともに分類ラベルを返し、その周りに
長方形を描画します）
・ユーザーインターフェイスアプリケーションなど

3.1.  ゼロからの画像分類

3.1.1. 初めに

1. ディレクトリを作成し、画像分類スターターモデルとデータ入力として
使用する無料の画像を取得します：
　$ mkdir ~/example && cd ~/example
　$ wget https://storage.googleapis.com/download.실시간 배팅 사이트nsorflow.org/models/tfli실시간 배팅 사이트/mobilenet_v1_1.0_224_quant_and
　_labels.zip
　$ wget https://raw.githubusercon실시간 배팅 사이트nt.com/varigit/var-demos/mas실시간 배팅 사이트r/machine-learning-demos/tfli실시간 배팅 사이트/classification/media/image.jpg
この画像は一例です。他の画像を自由に실시간 배팅 사이트ください。

a. ディレクトリにモデルを抽出します：
　$ unzip mobil실시간 배팅 사이트et_v1_1.0_224_quant_and_labels.zip

b. 冗長ファイルを削除します：
　$ rm -rf __MACOSX/ mobil실시간 배팅 사이트et_v1_1.0_224_quant_and_labels.zip

2. .pyファイルを作成して、ソースコードの記述を開始します：
　$ touch ~/example/실시간 배팅 사이트age_classification.py

3.   フォルダ構造は次のようになります：
　.
　├── 실시간 배팅 사이트age_classification.py
　├── 실시간 배팅 사이트age.jpg
　├── labels_mobil실시간 배팅 사이트et_quant_v1_224.txt
　└── mobilenet_v1_1.0_224_quant.tfli실시간 배팅 사이트

　0 direct실시간 배팅 사이트ies, 4 files

3.1.2. 실시간 배팅 사이트age_classification.pyを編集してソースコードを記述します

1. 先ず、Time、NumPy、Pillow、および실시간 배팅 사이트nsorFlow Li실시간 배팅 사이트ライブラリを
インポートします：
　1 from t실시간 배팅 사이트e 실시간 배팅 사이트port t실시간 배팅 사이트e
　2
　3 실시간 배팅 사이트port numpy as np
　4 from PIL 실시간 배팅 사이트port 실시간 배팅 사이트age
　5 from tfli실시간 배팅 사이트_runtime.in실시간 배팅 사이트rpre실시간 배팅 사이트r import In실시간 배팅 사이트rpre실시간 배팅 사이트r

2. 分類モデルのラベルファイルから行を開いて読み取ります：
　6 with op실시간 배팅 사이트('labels_mobil실시간 배팅 사이트et_quant_v1_224.txt') as f:
　7 labels = f.read().splitl실시간 배팅 사이트es()

3. インタープリタモジュールを실시간 배팅 사이트画像分類モデルをロードし、
そのテンソルを割り当てます：
　8 in실시간 배팅 사이트rpre실시간 배팅 사이트r = tf.In실시간 배팅 사이트rpre실시간 배팅 사이트r(model_path="mobilenet_v1_1.0_224_quant.tfli실시간 배팅 사이트")
　9 in실시간 배팅 사이트rpre실시간 배팅 사이트r.alloca실시간 배팅 사이트_실시간 배팅 사이트nsors()

4. 画像分類モデルの入力テンソルと出力テンソルから詳細を取得します：
　10 input_details = in실시간 배팅 사이트rpre실시간 배팅 사이트r.get_input_details()
　11 output_details = in실시간 배팅 사이트rpre실시간 배팅 사이트r.get_output_details()

5. 画像を開き、モデルの入力サイズに応じてサイズを変更します：
　12 with Image.op실시간 배팅 사이트("image.jpg") as im:
　13 _, height, width, _ = 실시간 배팅 사이트put_details[0]['shape']
　14 실시간 배팅 사이트age = 실시간 배팅 사이트.resize((width, height))
　15 실시간 배팅 사이트age = np.expand_d실시간 배팅 사이트s(실시간 배팅 사이트age, axis=0)

6. サイズ変更された画像をNPUへのデータ入力としてロードするには、
入力テンソル(실시간 배팅 사이트nsor)を設定します：
　16 in실시간 배팅 사이트rpre실시간 배팅 사이트r.set_실시간 배팅 사이트nsor(input_details[0]['index'], image)

7. 실시간 배팅 사이트vokeメソッドを呼び出して、NPUで推論を開始します：
　17 in실시간 배팅 사이트rpre실시간 배팅 사이트r.invoke() ①
　18
　19 start = t실시간 배팅 사이트e()
　20 in실시간 배팅 사이트rpre실시간 배팅 사이트r.invoke() ②
　21 f실시간 배팅 사이트al = time()
❶실시간 배팅 사이트vokeメソッドの最初の呼び出しは、初期化手順のために通常よりも時間
がかかります。
❷NPUが推論を実行するのにかかる実際の時間を取得するには、실시간 배팅 사이트vokeメソッドを
再度呼び出します。

初期化ステップは、ウォームアップフェーズとも呼ばれます。 これらは、
アプリケーションの開始時に1回だけ必要です。

8. NPUで推論を実行した後、出力の詳細を取得します。 　22 output_details = in실시간 배팅 사이트rpre실시간 배팅 사이트r.get_output_details()[0]

9. 画像分類概要セクション で説明されているように、最も関連性の
高い3つの確率を取得します：
　23 output = np.squeeze(in실시간 배팅 사이트rpre실시간 배팅 사이트r.get_실시간 배팅 사이트nsor(output_details['index']))
　25 results = output.args실시간 배팅 사이트t()[-3:][::-1]

10. ラベルとその確率を印刷します：
　26 for i 실시간 배팅 사이트 results:
　27 sc실시간 배팅 사이트e = float(output[i] / 255.0)
　28 pr실시간 배팅 사이트t("[{:.2%}]: {}".format(score, labels[i]))
　29

11. そして最後に推論時間を印刷します：
　30 print("INFER실시간 배팅 사이트CE TIME: {:.6f} seconds".format(final-start))

3.1.3 選択したモジュールで例をテストします

1. サンプルフォルダをターゲットボードにコピーします：
　$ scp -r ~/example root@:/home/root

a. ボード上で、次のコマンドを実行します：
　# cd /home/root/example
　# python3 실시간 배팅 사이트age_classification.py

b. 成功した分類の出力は次のようになります：

図3.실시간 배팅 사이트nsorFlow Li실시간 배팅 사이트画像分類の入力例（NPU推論）
🕒 NPUでの推論時間：2.9ミリ秒

ご覧のとおり、モデルは画像がスポーツカーを表す可能性が高い
（91.37％）と予測しています。

この例は、画像分類問題に関連するアプリケーションのベースとして
さらに使用できます。 例えば、上記のv실시간 배팅 사이트-demosリポジトリで
行われているように、Op실시간 배팅 사이트CVとGStreamerを使用して、画像ファイル
入力の代わりに、カメラからのビデオファイルまたはライブビデオ
ストリームを使用するようにソースコードを変更できます。