ZHCACX6 july 2023 AM62A1-Q1 , AM62A3 , AM62A7
為了在 C7x/MMA 深度學習加速器上執(zhí)行該模型，必須將其編譯/導出為適用的格式。TI 的 EdgeAI-ModelZoo 提供數(shù)百種先進模型，這些模型從其原始訓練框架轉(zhuǎn)換/導出為嵌入式適用格式。這些模型稍作修改，可確保在 TI 深度學習加速器上執(zhí)行時具有出色性能。ModelZoo 中的模型支持的一些任務(wù)包括圖像分類、物體檢測、語義分割、人體位置等。
基于云的 Edge AI Studio 模型分析器提供了一款易于使用的模型選擇工具。它會進行動態(tài)更新以包含 TI EdgeAI-ModelZoo 支持的所有模型。該工具無需任何經(jīng)驗，并提供了一個易于使用的界面，用于輸入期望模型中所需的特性。“模型選擇”工具為 AM62A 推薦了幾種物體檢測模型。最終模型的選擇取決于具體應(yīng)用和任務(wù)復(fù)雜性。我們?yōu)槿毕輽z測演示選擇了 ONR-OD-8200-yolox-nano-lite-mmdetcoco-416x416 模型。該模型具有幾個吸引人的特性，包括低延遲和足以滿足該應(yīng)用要求的分辨率。表 3-1 列出了為缺陷檢測演示選擇的模型的重要特性。詳細信息適用于該模型在具有 80 個類的 COCO 數(shù)據(jù)集上進行訓練的情況。
| 型號 | 任務(wù) | 分辨率 | AP 在 COCO 上的精度達 50% | 延遲/幀 (ms) | DDR 帶寬利用率（MB/幀） |
|---|---|---|---|---|---|
| YoloX-Nano-Lite | 多物體檢測 | 416x416 | 40.1 | 8.88 | 22 |