精品软件工具--《AI嵌入式系统——算法优化与实现》软件工具、例程及教学辅助材料.zip

# 《AI嵌入式系统——算法优化与实现》软件工具、例程及教学辅助材料 教学PPT和视频：https://pan.baidu.com/s/1M24GEoIjDL5ppyT6hFa3tw?pwd=emvg ## CLS_ALL 基于scikit-learn的机器学习算法演示 ## CSD 基于CSD格式的常数乘法表达式生成 ## FIR_MCM 基于MCM算法的快速FIR滤波演示 ## FXP 数据定点化以及基于定点运算的FIR滤波演示 ## GNB 训练高斯朴素贝叶斯分类器进行分类并自动生成C测试代码的例子 ## IRIS_DT 演示使用scikit-learn训练决策树分类器，并自动生成C语言代码(数据文件)实现分类器推理运算 ## LUT_COS 基于查表实现的快速COS算法演示 ## MAT_MUL 矩阵乘法的快速运算 ## MAT_MUL_ALPHATENSOR AlphaTensor矩阵快速乘法的计算表达式提取和打印 ## MAT_MUL_QUANT 基于仿射映射量化的矩阵乘法演示 ## MCM 搜寻多个常数乘法的表达式 ## MNIST_PYTORCH_C 使用pytorch训练手写数字识别神经网络，并自动生成C语言代码(数据文件)实现推理运算 ## MNIST_PYTORCH_FORCE_ZERO 使用pytorch训练手写数字识别神经网络，通过L1约束使得权重系数稀疏化(取值接近0)，并自动生成C语言代码(数据文件)实现神经网络推理运算 ## MNIST_PYTORCH_QUANT_ROUND 使用pytorch训练手写数字识别神经网络，通过在损失函数中加入量化约束，使得权重系数集中在(等间隔的)量化格点附近 ## MNIST_PYTORCH_QUANT_GRID 使用pytorch训练手写数字识别神经网络，通过在损失函数中加入量化约束，使得权重落在指定的量化格点附近 ## MNIST_PYTORCH_QUANT 演示torch训练MNIST模型并用额外的loss量化，通过整数推理和浮点累积 ## NEON 使用ARM NEON指令优化代码的例子 ## ONNX_SKLEARN 演示基于scikit-learn训练分类器并导出ONNX模型过程 ## PERCEP 训练感知器进行分类并自动生成C测试代码的例子 ## python_numpy_dll 演示用C++实现算法的动态链接库文件，并被python调用 ## SCM 搜索给定整数常数的合成公式，并生成快速乘法表达式 ## SVM_RBF 训练支持向量机进行分类并自动生成C测试代码的例子 ## TANH tanh的几种近似计算方法