【编辑推荐】
介绍了RISC-V构架人工智能芯片K210的特点和应用开发方法。本书的编写方法基本上是每一章都首先介绍应用开发实例，从*简单的实例到较复杂的应用循序渐进地介绍；然后在每一章的后半部分再深入介绍其低层的工作原理。
【内容简介】
本书较全面地介绍人工智能芯片 K210 的特点和应用开发，深入浅出地讲解人工神经网络、卷积神经网络的应用设计，特别是全面和深入分析 YOLO 网络与目标检测方法，并把 YOLO 网络应用于 K210 之中。
*部分为RISC-V 及人工智能芯片，主要介绍 RISC-V 构架人工智能芯片 K210 应用开发，包括 RISC-V 构架及人工智能芯片 K210 介绍、输入/输出、串口通信、定时器与日历、音频输入/输出接口、显示屏驱动、摄像头数据
采集、外部存储器、K210 的 WS2812 驱动、K210 的 ESP8266 驱动以及 K210 的 MicroPython 编程。第二部分为深度学习，主要介绍 Keras 及 TensorFlow Lite 应用开发，包括 Keras 人工神经网络应用设计、Keras 卷积神经网络及深
度学习、TensorFlow Lite 安卓应用开发。第三部分为 YOLOv3 目标检测，主要介绍 YOLOv1/v2/v3 深度卷积神经网络目
标检测应用开发，包括 YOLO 网络与目标检测基础、YOLO 网络样本标注与训练、YOLO 网络结构分析、YOLO 网络在
安卓中的应用。第四部分为 YOLO 和 K210 综合应用，主要介绍 K210 卷积神经网络应用实例，包括 K210 人工神经网络
应用设计、K210 卷积神经网络应用设计、K210 神经网络处理器工作原理分析、K210 神经网络处理器应用实例。
【作者简介】
廖义奎，主要研究方向是物联网、嵌入式系统及智能控制，长期从事自动控制、电子产品及计算机软件的研究与开发工作，出版著作独著9部，合著1部，发表与合作发表论文30篇，申请发明专利5项，实用新型专利5项，软件著作权7项。
【目录】
| 目录 前言 *部分 第 1 章 RISC-V 构架及人工智能芯片 K210 介绍 1 1.1 RISC-V 构架 1 1.2 人工智能芯片 3 1.3 RISC-V 人工智能芯片 K210 5 第 2 章 输入/输出 12 2.1 K210 的输入/输出程序 12 2.2 Obtian_Studio 开发环境使用入门 14 2.3 K210 输入程序 16 2.4 外部中断 17 2.5 实现与板无关的程序设计 19 2.6 现场可编程 IO 阵列工作原理 20 2.7 输入与中断工作原理 29 2.8 K210 与 STM32F103\STM32F746 简单比较 36 2.9 K210 启动原理 38 2.10 Arduino 风格的 LED 闪烁程序 40 2.11 Obtain_Studio 集成开发系统常用技巧 43 第 3 章 串口通信 46 3.1 K210 *个串口通信程序 46 3.2 串口通信的中断 49 3.3 使用 Obtain_HMI 串口调试程序 52 3.4 高速串口 UART 54 3.5 K210 串口通信工作原理 55 第 4 章 定时器与日历 61 4.1 K210 定时器程序 61 4.2 实时时钟 65 4.3 脉冲宽度调制器 70 4.4 看门狗 73 第 5 章 音频输入/输出接口 77 5.1 K210 音频输入/输出实例 77 5.2 K210 音频输入/输出工作原理 80 第 6 章 显示屏驱动 88 6.1 K210 的 LCD 显示 88 6.2 GUI 程序设计 91 6.3 汉字显示以及基本图形绘制 99 6.4 SPI 串行外设接口 109 第 7 章 摄像头数据采集 117 7.1 K210 摄像头数据采集 117 7.2 DVP 接口工作原理 122 第 8 章 外部存储器 131 8.1 SD 卡文件读写实例 131 8.2 K210 的 SDIO 接口 134 8.3 FAT 文件系统 136 8.4 SD 卡上图像文件的读取与显示 146 第 9 章 K210 的 WS2812 驱动 156 9.1 K210 IO 驱动程序波形测试 156 9.2 LED 灯带驱动 160 第 10 章 K210 的 ESP8266 驱动 170 10.1 简单的 ESP8266 驱动测试程序 170 10.2 WiFi 模块 174 10.3 ESP8266 Station 模式 177 第 11 章 K210 的 MicroPython 编程 182 11.1 MicroPython 编程实例 182 11.2 MicroPython 基本操作 188 11.3 MicroPython 基本模块与函数 195 第二部分 第 12 章 Keras 人工神经网络应用设计 203 12.1 人工神经网络工作原理 203 12.2 Keras 人工神经网络设计 205 12.3 Keras 应用技巧 210 12.4 BP 人工神经网络 212 第 13 章 Keras 卷积神经网络及深度学习 221 13.1 卷积运算程序 221 13.2 卷积的作用 224 13.3 卷积神经网络 227 13.4 简单卷积神经网络设计 231 第 14 章 TensorFlow Lite 安卓应用开发 239 14.1 TensorFlow Lite 概要 239 14.2 TFLite 模型在安卓中的应用 240 14.3 MobileNet 模型应用 245 第三部分 第 15 章 YOLO 网络与目标检测基础 249 15.1 YOLO 目标检测入门实例 249 15.2 目标检测与对象识别概要 251 15.3 YOLO 网络结构 254 15.4 YOLO_Mark 数据集制作工具 256 15.5 基于 Python 的 YOLO 训练 259 15.6 基于 Darknet 的 YOLO 训练 260 第 16 章 YOLO 网络样本标注与训练 266 16.1 Obtain_YOLO_eMake 样本标注与训练软件 266 16.2 YOLO 网络配置参数 275 16.3 Obtain_YOLO_eMake 应用练习 282 第 17 章 YOLO 网络结构分析 283 17.1 YOLOv1 网络结构 283 17.2 YOLOv2 网络原理 287 17.3 YOLOv3 网络结构 290 第 18 章 YOLO 网络在安卓中的应用 296 18.1 采用 Obtain_YOLO_eMake 创建模型 296 18.2 YOLO Lite 安卓程序 300 第四部分 第 19 章 K210 人工神经网络应用设计 303 19.1 K210 人工神经网络应用设计入门 303 19.2 KPU 应用基础 307 第 20 章 K210 卷积神经网络应用设计 312 20.1 K210 卷积运算入门 312 20.2 K210 卷积神经网络 316 第 21 章 K210 神经网络处理器工作原理分析 319 21.1 K210 使用不同的神经网络模型 319 21.2 KPU 图像检测原理 321 21.3 K210 工作原理分析 324 第 22 章 K210 神经网络处理器应用实例 335 22.1 K210 手势检测应用示例 335 22.2 K210 人脸检测应用示例 341 参考文献 346 参考电子资源 347" |
【前言】
RISC-V 处理器架构的广泛应用是 CPU（Central Processing Unit，中央处理器）一个重要发展趋势，大量的国内企业已经或者计划推出这类处理器芯片。RISC-V 指令集是基于精简指令集计算（RISC）原理建立的开放指令集架构（ISA），RISC-V 指令集完全开源，设计简单，易于移植 UNIX/Linux 一类系统，模块化设计工具链完整得到了产业界和社区的广泛支持。
人工智能芯片广泛的应用是人工智能的一个重要发展趋势，今后人工智能的运算将越来越多地在人工智能芯片上完成。人工智能芯片主要是神经网络处理器（NPU），是为深度学习而生的专业芯片，其表现大大优于传统 GPU（Graphics Processing Unit，图形处理器）、GPU（Graphics Processing Unit，图形处理器）和 DSP（Digital Signal Processing，数字信号处理），是未来人工智能应用的重要发展方向。
本书介绍的嘉楠勘智 K210 人工智能芯片，是 RISC-V 与神经网络处理器的有机融合，已经在市场上得到迅速的推广与应用。K210 内含双核 64 位 RISC-V 处理器，主频 400MHz，带通用的卷积神经网络单元（NPU），价格低性能高，既可以作为一个高端多核单片机，又可以作为人工智能芯片，应用前景广泛。
K210 的 KPU（Knowledge Processing Unit，知识处理单元）是通用神经网络处理器，内置卷积、批归一化、激活、池化运算单元，可以对人脸或物体进行实时检测。K210 可结合机器视觉和机器听觉能力提供更强大的功能。
人工智能和深度学习领域能应用于实时目标检测的网络不多，YOLO 卷积神经网络是其中之一，效果优良，并且已经得到了广泛应用。YOLO 可以一次性预测多个框位置和类别，实现端到端的目标检测和识别，其*的优势是速度快。通过 YOLO，每张图像只需要看一眼就能得出图像中有哪些物体和这些物体的位置。
K210 人工智能芯片与 YOLO 卷积神经网络相结合，可以实现低成本的实时目标检测，这一点正是本书所要实现的目标。
本书结构
*部分：RISC-V 及人工智能芯片。主要介绍 RISC-V 构架人工智能芯片 K210 应用开发，包括 RISC-V 构架及人工智能芯片 K210 介绍、输入/输出、串口通信、定时器与日历、音频输入/输出接口、显示屏驱动、摄像头数据采集、外部存储器、K210 的 WS2812 驱动、K210 的 ESP8266 驱动以及 K210 的 MicroPython 编程。
第二部分：深度学习。主要介绍 Keras 及 TensorFlow Lite 应用开发，包括 Keras 人工神经网络应用设计、Keras 卷积神经网络及深度学习、TensorFlow Lite 安卓应用开发。
第三部分：YOLOv3 目标检测。主要介绍 YOLOv1/v2/v3 深度卷积神经网络目标检测应用开发，包括 YOLO 网络与目标检测基础、YOLO 网络样本标注与训练、YOLO 网络结构分析、YOLO 网络在安卓中的应用。
第四部分：YOLO 和 K210 综合应用。主要介绍 K210 卷积神经网络应用实例，包括 K210人工神经网络应用设计、K210 卷积神经网络应用设计、K210 神经网络处理器工作原理分析、K210 神经网络处理器应用实例。
本书特点
本书较全面和完整地介绍和讲解 RISC-V 构架人工智能芯片 K210 的特点和应用开发方法。深入浅出地讲解人工神经网络、卷积神经网络的应用设计，特别是全面和深入分析 YOLO网络与目标检测方法，并把 YOLO 网络应用于 K210 之中。
本书每一章的编写方法都基本相同，首先介绍应用开发实例，从*简单的实例到较复杂的应用循序渐进地介绍，*后在每一章的后半部分再深入介绍其低层的工作原理。
本书源代码、教学课件可以扫描前言的二维码获取。
读者对象
本书适合于从事物联网、人工智能、嵌入式系统以及电子技术应用开发初学者作为参考资料，或者作为本专科物联网、人工智能、嵌入式系统、单片机等相关课程的教材，也适合于作为课程设计、毕业设计以及各类专业竞赛指导教材。
联系作者
对本书的程序代码、相关配套的 K210 开发板、控制模块、传感器模块、通信模块等有兴趣的读者，以及对本书相关知识感兴趣的读者，可以加入 QQ 群 AI_IoT（群号 784735940）交流、讨论和共同学习。
致谢
在本书的编写过程中，得到了嘉楠科技官方 K210 芯片负责人黄锐等相关人员以及WS2812 官方深圳市华彩威电子有限公司张少青的大力支持，在此表示衷心感谢。感谢蒙良桥、宋因建、殷徐栋、陈妍、张小珍、覃雪原、官玉恒、韦艳芳、覃玉龙、韦政、林宝玲、苏小艳、苏金秀分别审阅了本书的部分章节内容。
本书在编写过程中参考了大量的文献资料，一些资料来自互联网和非正式出版物，书后的参考文献无法一一列举，在此对原作者表示诚挚的谢意。
K210 官方公布的资料比较少，官方和网上的示例也比较少，因此本书在参考这些资料时可能会存在一些理解上的偏差和内容方面的不足。另外，由于作者水平有限，书中难免存在错误和疏漏之处，敬请读者批评指正。
编著者
【免费在线读】
