## 在 CocoPi 上使用 numpy + mnist 训练模型导出导入验证的教程 测试集位于 mnist_test.csv ； 训练集位于 mnist_train.zip (csv格式超过可上传最大值）； code包括神经网络模型和用测试、训练数据跑出的最优模型； 数据集：MINIST； 不可使用 pytorch，tensorflow 等 python package，可以使用numpy； ## 准备数据集 CSV 文件内容介绍：(https://blog.csdn.net/CVSvsvsvsvs/article/details/85127096) ![](./dataset.png) 更多数据集可以自己寻找或制作：[制作minist格式的图像数据集](https://blog.csdn.net/vertira/article/details/122326362) ## 在板子上训练 这里演示十分钟即可在 wiki.sipeed.com/m2dock 上训练 mnist 模型，精简数据集为 100 测试 10 验证，可快速体验效果。 00_demo.ipynb 01_min_train.py 02_val_mnist.py 完整的演示过程 00_demo.ipynb 其他脚本可以直接在板子依次运行。 使用 numpy 训练要打开 numpy.random 模块 `rm -rf /usr/lib/python3.8/site-packages/numpy/random/__init__.py` 想恢复就用 `touch /usr/lib/python3.8/site-packages/numpy/random/__init__.py` 该功能只影响开机加载 numpy 的速度以及内存占用，因为 maixpy3 底层是应用了 numpy 进行部分后处理转换的，所以会发现部署 AI 应用的时候开机速度很慢。 ```bash cd NeuralNetwork adb push mnist_test_10.csv mnist_train_100.csv 01_min_train.py 02_val_mnist.py /root adb push resc /root/resc adb shell rm -rf /usr/lib/python3.8/site-packages/numpy/random/__init__.py cd /root/ python 01_min_train.py # 训练模型并导出 python 02_val_mnist.py # 加载模型并验证 ``` 运行结果如下： ```bash juwan@juwan-n85-dls:~$ cd NeuralNetwork juwan@juwan-n85-dls:~/NeuralNetwork$ juwan@juwan-n85-dls:~/NeuralNetwork$ adb push mnist_test_10.csv mnist_train_100.csv 01_min_train.py 02_val_mnist.py /root mnist_test_10.csv: 1 file pushed. 3.4 MB/s (18006 bytes in 0.005s) mnist_train_100.csv: 1 file pushed. 4.2 MB/s (182023 bytes in 0.041s) 01_min_train.py: 1 file pushed. 2.0 MB/s (4940 bytes in 0.002s) 02_val_mnist.py: 1 file pushed. 2.1 MB/s (3972 bytes in 0.002s) 4 files pushed. 3.8 MB/s (208941 bytes in 0.053s) juwan@juwan-n85-dls:~/NeuralNetwork$ juwan@juwan-n85-dls:~/NeuralNetwork$ adb push resc /root/resc resc/: 6 files pushed. 3.6 MB/s (13866458 bytes in 3.723s) juwan@juwan-n85-dls:~/NeuralNetwork$ juwan@juwan-n85-dls:~/NeuralNetwork$ adb shell BusyBox v1.27.2 () built-in shell (ash) ------run profile file----- ========================================================= ______ ______ /\ _ \ /\ _ \ __ \ \ \/\_\ ____ ____ ___\ \ \_\ \/\_\ \ \ \/_/_ / __ \ / __ \ / __'\ \ __/\/_/_ \ \ \_\ \/\ \_\ \/\ \__//\ \_\ \ \ \/ /\ \ \ \____/\ \____/\ \____\ \____/\ \_\ \ \_\ \/___/ \/___/ \/____/\/___/ \/_/ \/_/ __ /\ \ __ ---------------- \ \ \ /\_\ ____ __ __ __ _ pi.cocorobo.hk \ \ \ \/_/_ / _ \/\ \/\ \/\ \/ \ ---------------- \ \ \____ /\ \/\ \/\ \ \ \_\ \/>