STM32로 AI 배우고 활용하기

1. 최신의 STM32CubeMX를 설치하고

2. FP-AI-SENSING1를 다운로드 해둡니다.

2. Artificial Intelligence(X-CUBE-AI 7.2.0) 패키지를 추가 설치

3. STM32L475VGT6 MCU를 선택해서 프로젝트를 생성하고, 소프트웨어 팩에서 X-CUBE-AI를 선택합니다.

4. 이후 [Add network]에서 2에서 다운로드했던 FP-AI-SENSING1에서 예제를 선택합니다.

5. [Analyze]버튼을 눌러 분석 결과 리포트를 확인하였고, (하단의 [그림1] 참조)

6. [Show graph]버튼을 눌러 그래프로도 확인하였습니다. (하단의 [그림2] 참조)

퀘스트1 완료 ^^V

[그림1]

 

[그림2]

이번에는 Neural Network Model 생성 개발 환경 구축하기입니다.

Neural Network Model은 한국말로 신경망 모델이네요.

수행한 것은 다음과 같습니다.

1. Anaconda 설치 (수학이나 과학패키지를 포함하고 있는 파이썬 배포판)

2. PyCharm IDE 설치 (파이썬 IDE)

3. Anaconda Environments 설정

4. PyCharm에서 새프로젝트를 생성하고 Quest1에서의 FP-AI-SENSING1의 HAR폴더를 복사해서 RunMe.py 실행

5. Log_data 폴더에 datasets폴더의 csv 파일중 하나를 복사하고

6. 이 폴더에 대해 RunMe.py실행

7.  6에서 생성된 모델파일을 STM32 새프로젝트에서 분석하기

중간 중간 안되는 문제들이 있었습니다.

import 모듈 에러 문제, nvidia 사용시의 tensorflow문제, keras 버전 문제 등이 있었지만, 인터넷 자료와 같이 퀘스트하신 분들의 글을 보고 헤쳐나갈 수 있었습니다.

참고로, 모델 파일명의 HAR은 Human Activity Recognition이네요. 사람 행동 인식을 뜻합니다.

그래서 Confusion matrix 그래프를 보면 jogging(천천히 달리기), stationary(움직임없음), Stairs(계단걷기), Walking(걷기)로 모델링 되어 있습니다. 또 그래프에 보면 세로축은 Ground truth라고 있는데,  이건 AI 모델 출력값을 훈련 및 테스트하는 데 사용되는 실제 환경의 데이터라고 합니다. 가로축에는 Predicted Values라고 되어 있는데 이건 분석 결과겠지요. 즉 이 그래프는 서로 얼마만큼 실제와 분석한 것이 잘 매칭되어 있는지를 보여주는 그래프로 생각됩니다.

파이썬, AI, Neural Network Model 등 처음하는 거라 낯설고 어렵긴 하지만, 새로운 분야를 알아가는 재미도 있네요.

결과 제출합니다.

1. Accuracy 그래프

2. Model Loss Function 그래프

3. Confusion matrix 그래프

4. network_analyze_report.txt(파일로 첨부합니다.)

 

모두들 파이팅~