HelloDSP

HelloDSP 是一个简单的MindSpore Signal+平台开发示例，展示如何开发一个矩阵乘程序。主要流程分为两部分操作，分别为MindSpore Python端和MindSpore Lite端。MindSpore Python端在本地运行，用于生成模型；MindSpore Lite端在本地交叉编译，编译产物拷贝到MT7004板卡上运行。以下是HelloDSP矩阵乘例子介绍：

1.MindSpore Python端

1.1 新建Python文件

打开YHFT-IDE，新建test_matmul.py文件

1.2 编写Python代码

import mindspore as ms
import numpy as np
from mindspore import nn, ops


class Matmul(nn.Cell):
    def __init__(self):
        super(Matmul, self).__init__()
        self.matmul = ops.MatMul()

    def construct(self, x1, x2):
        out = self.matmul(x1, x2)
        return out


x1 = np.ones((2, 2), dtype=np.float32)
x2 = np.ones((2, 2), dtype=np.float32)
x1_tensor = ms.Tensor(x1)
x2_tensor = ms.Tensor(x2)

model = Matmul()
out = model(x1_tensor, x2_tensor)
print(out)

ms.export(model, x1_tensor, x2_tensor, file_name="matmul", file_format="MINDIR")

以上代码的作用说明如下：

导入库：mindspore 用于构建与导出模型；numpy 用于生成示例数据；从 mindspore 引入 nn 与 ops 以定义网络与调用算子。
定义网络 Matmul：继承 nn.Cell，在 __init__ 中实例化矩阵乘算子 ops.MatMul()；在 construct 中实现前向计算，将输入 x1、x2 进行矩阵乘法并返回结果。
准备数据：使用 numpy.ones 生成两个形状为 (2, 2)、类型为 float32 的数组，全为 1。
张量转换：用 ms.Tensor 将 numpy 数组转换为 MindSpore 张量，作为模型输入。
构建与执行模型：实例化 Matmul 模型，传入张量执行前向推理，打印结果。对于两个全 1 的 2x2 矩阵，输出为一个元素均为 2 的 2x2 张量。
导出模型：调用 ms.export 将模型导出为 MINDIR 格式：
- file_name: 保存的基础文件名为 matmul；
- file_format: 指定为 MINDIR（MindSpore IR 格式），用于后续在 MindSpore Lite 端加载与推理；
- 传入的输入张量 x1_tensor 与 x2_tensor 用于固化输入shape和dtype，确保在部署端可正确构建模型输入。

1.3 运行Python代码

在YHFT-IDE中运行test_matmul.py文件，会生成一个matmul.mindir模型文件，要在MindSpore Lite端运行则需要转成 ms 模型文件。mindir转ms的converter工具也已经集成到vscode，使用converter工具方式：

选择模型文件直接右键，找到模型转换选项，点击即可。 create_project

MindSpore Lite端

1. 新建工程

打开YHFT-IDE，新建工程。输入工程名、路径，工程类型选择Heterogeneous，输入交叉编译工具路径，参照配置交叉编译工具链，然后点确定。会生成一个异构模板工程。

2. 工程目录结构

生成的异构模板工程具有以下目录结构：

test_matmul/
├── model/
│   └── matmul.ms
├── arm_toolchain.cmake
├── build.bat
├── CMakeLists.txt
├── data_handler.cc
├── data_handler.h
└── main.cc

文件说明：

文件名	类型	作用
`model/matmul.ms`	模型文件	MindSpore 导出的模型权重和结构文件
`arm_toolchain.cmake`	配置文件	指定 ARM 交叉编译工具链路径和参数
`build.bat`	脚本文件	Windows 环境下的编译构建脚本
`CMakeLists.txt`	构建文件	CMake 构建系统的主配置文件
`data_handler.h/.cc`	源码文件	数据预处理和结果处理的实现
`main.cc`	源码文件	程序主入口，包含模型加载和推理逻辑

3. 更改输入数据

通过修改 data_handler.cc 文件中的函数来调整输入输出数据：

修改输入数据：编辑 GetInputData 函数内容
查看输出结果：编辑 GetOutputData 函数内容

默认配置：

输入数据填充为 1
输出结果打印输出地址

4. main.cc 功能介绍

main 函数主要包含 6 个核心步骤，实现完整的模型推理流程：

4.1 读取模型文件

通过 ReadFile 接口读取 .ms 模型文件，将数据保存到 model_buf 中。

4.2 设置运行后端

通过 context 的 MutableDeviceInfo 添加一个或多个后端：

默认后端：MT7004
可选后端：CPU、FT78NE

4.3 编译模型图

通过 MindSpore 的 Model 类的 Build 方法编译模型图：

编译规则：按设置顺序查找后端算子，都没找到则编译失败

Build 方法参数：

参数	类型	说明
`model_data`	`const void *`	模型数据
`data_size`	`size_t`	模型数据大小
`model_type`	`ModeType`	模型类型
`model_context`	`const std::shared_ptr<Context> &`	模型上下文（主要传递设备信息）