RT-AK 简介

RT-AK: RT-Thread AI kit，RT-Thread AI 套件

RT-AK 是 RT-Thread 团队为 RT-Thread 实时操作系统所开发的 AI 套件，能够一键将 AI 模型部署到 RT-Thread 项目中，让用户可以在统一的 API 之上进行业务代码开发，又能在目标平台上获得极致优化的性能，从而更简单方便地开发端侧 AI 应用程序。

在 RT-AK 支持下，仅需要一行命令，python aitools.py --model xxx...，即可将 AI 模型部署到 RT-Thread 系统中：

详细的命令请查阅：[如何运行 aitools.py](# step1 运行 rt_ai_tools/aitools.py)

开源链接：https://github.com/RT-Thread/RT-AK

示例DEMO

本教程 RT-AK 适配目标平台：STM32

以下项目为 RT-AK 的示例 Demo，基于 ART-PI 硬件平台和 Mnist 数据集。

1. 准备工作

Windows 10
Python >= 3.7

准备以下四份重要重要重要的材料：

1.1 X-CUBE-AI 介绍

下载地址：
https://www.st.com/zh/embedded-software/x-cube-ai.html
版本：V5.2.0

（以上链接请复制至外部浏览器打开）

TO DO LIST: 最新的版本是 V6.0.0，目前使用的是 V5.2.0，稍后的 RT-AK 将会更新

X-CUBE-AI 是 STM32Cube.AI 生态系统的 STM32Cube 扩展软件包的一部分，能够自动转换预训练的神经网络。

X-CUBE-AI

下载界面

1.2 X-CUBE-AI 解压

下载后的文件夹界面

其中：

stm32ai-windows-5.2.0.zip 是我们所需要，该文件夹里面存放的是 X-CUBE-AI 模型转换软件：stm32ai
STMxxx.pack 是 STM32Cube.AI 的静态库文件，无需解压，已经存在。

解压 stm32ai-windows-5.2.0.zip 。

例：在这里我将其解压到：D:\Program Files (x86)\stm32ai-windows-5.2.0 ，可以在该路径下看见有一个 windows 文件夹。

记下该路径，重要重要重要

STM32: X-CUBE-AI 解压路径

1.3 ART-PI BSP

先打开 RT-Thread Studio

新建 ART-PI BSP

如果在开发板的地方，没有找到 STM32H750-RT-ART-PI，请查阅：

https://github.com/RT-Thread-Studio/sdk-bsp-stm32h750-realthread-artpi/blob/master/documents/UM5002-RT-Thread%20ART-Pi%20%E5%BC%80%E5%8F%91%E6%89%8B%E5%86%8C.md

（以上链接请复制至外部浏览器打开）

RT-Thread Studio 新建 ART-PI

2. 执行步骤

Step1 运行 rt_ai_tools/aitools.py

代码将会自动使用 STM32Cube.AI 的模型转换工具，获得一个集成了 AI 的 BSP

对，就是这么硬核，一步肝到位！

内部的流程请看源码或者 plugin_stm32 仓库下的 readme 文档

运行命令

进入 edge-ai/RTAK/tools 路径，运行 aitools.py。

1# 运行命令
2python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path> --clear
3
4# 示例
5python aitools.py --project="D:\RT-ThreadStudio\workspace\test" --model="./Models/keras_mnist.h5" --platform=stm32 --ext_tools="D:\Program Files (x86)\stm32ai-windows-5.2.0\windows" --clear

运行到该步骤操作已经结束，后续是补充说明。

运行命令其他参数补充说明

 1# 指定转换模型的名称，--model_name 默认为 network
 2python aitools.py --project=<your_project_path> --model=<your_model_path>  --model_name=<model_name>  --platform=stm32 --ext_tools=<your_x-cube-ai_path>
 3
 4# 保存运行 stm32ai 线程过程中产生的文件，--clear 默认为空
 5# 如果存在，则将会删除 `stm32ai` 运行时产生的工作文件夹，即`--stm_out`
 6python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path>
 7
 8# 指定保存运行日志, --log 默认为空
 9python aitools.py --project=<your_project_path> --model=<your_model_path> --log=./log.log --platform=stm32 --ext_tools=<your_x-cube-ai_path>
10
11# 指定保存的文件夹名称，--stm_out 默认是当天时间，比如 './20210223'
12python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path> --stm_out <new_dir>
13
14# 指定生成的 c-model 名，--c_model_name 默认是network
15python aitools.py --project=<your_project_path> --model=<your_model_path> --platform=stm32 --ext_tools=<your_x-cube-ai_path> --c_model_name=<new_model_name>