在ZephyrOS添加NPU驱动支持加速AI应用

承接上文——小编就不再铺垫了，直接上重点！

在上一节中，我们已经成功完成模型训练，并获得了量化后的 TFLite 模型。
那模型到底“长”什么样？结构是否如预期？算子是否都被正确量化？

要回答这些问题，就必须请出我们的一位老朋友-Neutron工具（朋友们可自行下载）来对模型进行可视化与结构检查。通过它，我们能更直观地了解模型的内部构成，为后续移植到Zephyr做好扎实准备。

为了验证是否是量化好的模型，这里任意点击一个节点，在弹出的属性页面下，可以看到他的权重类型为int8，说明我们已经成功量化好了模型，就可以开始做模型转换的准备了。

1.下载适配MCXN947的SDK代码，这样就可以直接已SDK为基础进行改造了，无需额外工作，这里要注意的是：因为转换工具和SDK版本有深度的依赖，在转换前，需要提前决定好要使用的SDK版本https://mcuxpresso.nxp.com/zh/select，这里假设我们选择的是2.16.0版本的SDK包：

点击构建后，会跳转页面勾选中间件，因为是要移植到Zephyr上，这里直接选择MCUXPresso IDE作为工具链（采用的GCC工具链，和Zephyr原生工具链兼容），并勾选eIQ选项，等待构建完成：

2.下载eiq ToolKit,安装包中包含了我们所需要的转换工具https://www.nxp.com/design/design-center/software/eiq-ai-development-environment/eiq-toolkit-for-end-to-end-model-development-and-deployment:EIQ-TOOLKIT，并根据实际环境下载windows或是ubuntu版本的软件：

下载完成后等待安装完成，安装完成后，就要开始寻找我们需要的转换工具了，切换到安装目录C: xpeIQ_Toolkit_v1.14.0in eutron-converter，里面有不同版本的转换器，要根据刚才下载的SDK版本进行选择，刚才下载的SDK版本是2.16.0，那直接选择MCU_SDK_2.16.000目录下的转换工具：

3.模型转换方法：准备好量化好的模型，并利用命令行方式进行转换：

转换成功后，模型会已saved_model_converted.tflite保存，如下图右边的就是转换好的模型，转换器已经将三个FullyConnected算子进行了融合，变成了一个统一的NeutronGraph算子，至此模型转换就成功了。

4.将模型保存为C数组的形式：为了在程序中使用转换好的模型，需要将模型降解为C语言数组的形式，这里直接借用Linux所提供的工具，xxd来进行操作（可以借助WSL或是虚拟机实现）：

# Install xxd if it is not available !apt-get update && apt-get -qq install xxd # Convert to a C source file, i.e, a TensorFlow Lite for Microcontrollers model !xxd -i {MODEL_TFLITE} > {MODEL_TFLITE_MICRO} # Update variable names REPLACE_TEXT = MODEL_TFLITE.replace('/', '_').replace('.', '_') !sed -i 's/'{REPLACE_TEXT}'/g_model/g' {MODEL_TFLITE_MICRO}

执行完成后会生成一个名为：model.cc的文件，里面就是已经降解为C语言数组形式的模型文件了：

至此，本期所需的前期准备工作已全部就绪：
我们完成了模型训练、量化处理，并顺利生成了可用于部署的TFLite模型。这些步骤为真正的重点 ——在Zephyr 中集成NPU运行时环境，并将模型文件部署到实际系统—— 打下了坚实基础。

真正的“硬仗”，从下一期正式开始。
敬请期待，我们将在Zephyr上让NPU“跑”起来！