# `KPU`_神經網絡處理器（`import KPU`） `KPU`是通用的神經網絡處理器，實現卷積神經網絡計算，時時獲取被檢測目標的大小、坐標和種類，對人臉或者物體進行檢測和分類 > KPU 具備以下幾個特點： > * 支持主流訓練框架按照特定限制規則訓練出來的定點化模型 > * 對網絡層數無直接限制，支持每層卷積神經網絡參數單獨配置，包括輸入輸出通道數目、輸入輸 出行寬列高 > * 支持兩種卷積內核 1x1 和 3x3 > * 支持任意形式的激活函數 > * 實時工作時最大支持神經網絡參數大小為 5.5MiB 到 5.9MiB > * 非實時工作時最大支持網絡參數大小為（Flash 容量-軟件體積） ***** * [ ] **加載模型** ``` KPU.load(offset or file_path) ``` > 從flash或者文件系統中加載模型 *參數：* * `offtset`: 模型在 flash 中的偏移大小，如`0xd00000`表示模型燒錄在13M起始的地方 * `file_path`: 模型在文件系統中為文件名， 如`“/sd/xxx.kmodel”` *返回：* * `kpu_net`: `KPU` 網絡對象 ***** * [ ] **初始化yolo2網絡** ``` KPU.init_yolo2(kpu_net, threshold ,nms_value, anchor_num, anchor) ``` > yolo2網絡模型傳入初始化參數 *參數：* * `kpu_net`: `KPU.load `返回的 `kpu_net `對象 * `threshold`: 概率閾值 * `nms_value`: `box_iou `門限 * `anchor_num`: 錨點數 * `anchor`: 錨點參數與模型參數一致 *返回：* * `None` ***** * [ ] **反初始化** ``` kpu.deinit(kpu_net) ``` > 反初始化 *參數：* `kpu_net`: `KPU.load `返回的 `kpu_net `對象 *返回：* * `None` ***** * [ ] **運行yolo2網絡** ``` KPU.run_yolo2(kpu_net,image_t) ``` > 反初始化 *參數：* * `kpu_net`: `KPU.load `返回的 `kpu_net `對象 * `image_t`：從 sensor 采集到的圖像 *返回：* * `kpu_yolo2_find` 的列表 ***** * [ ] **網絡前向運算** ``` KPU.forward(kpu_net,image_t,int) ``` > 計算已加載的網絡模型到指定層數，輸出目標層的特征圖 *參數：* * `kpu_net`: `KPU.load `返回的 `kpu_net `對象 * `image_t`: 從 sensor 采集到的圖像 * `int`: 指定計算到網絡的第幾層 *返回：* *`fmap` 特征圖對象，內含當前層所有通道的特征圖 ***** * [ ] **fmap 特征圖** ``` KPU.fmap(fmap,int) ``` > 取特征圖的指定通道數據到image對象 *參數：* * `fmap`: 特征圖 對象 * `int`: 指定特征圖的通道號 *返回：* * `image`: 特征圖對應通道生成的灰度圖 *****