hls4mlをやってみた6（自分で学習したネットワークをhls4mlでハードウェア化1）

”hls4mlをやってみた5（KERAS_conv1d_small_nfilt5その2）”の続き。

前回は、KERAS_conv1d_small_nfilt5 のネットワーク構造を調べた。今回は、白線追従ロボットカーの学習データ keras_curve_cnn2_line を hls4ml でVivado HLS 2019.1 のプロジェクトにしてみよう。

hls4ml にかけるには、モデルの構造を記述したJSON ファイルと、モデルの重みの h5 ファイルが必要なので、keras_curve_cnn2_line のJupyter notebook を立ち上げて、出力してみよう。
最初に学習済みモデルを読み込む。

# 学習済みモデルの読み込み

from keras.models import load_model

model = load_model('keras_curve_cnn2_line.h5')

モデルを json に書き出す。

# save as JSON
json_string = model.to_json()

モデルを json ファイルに書き出して、重みも h5 ファイルに書き出す。

json_name='keras_curve_cnn2_line.json'

with open(json_name, mode='w') as f:
    f.write(json_string)

model.save_weights('keras_curve_cnn2_line_weights.h5')

keras_curve_cnn2_line.json と keras_curve_cnn2_line_weights.h5 を出力することができた。


なお keras のコードは、Keras Documentation の”モデルについて”を参考にさせていただいた。