1-01　重み係数・バイアスを整数化するPythonプログラム ●Pythonの実行環境はGoogle Colab（＊１） 　Google Colabのノートブックから「ファイル」をクリックします。図1‐01のようにsample_dataフォルダのみが存在します。 （＊１）PCでもラズパイでも実行できます。ブラウザはPCならChrome、ラズパイならChronium推奨。 図1‐01 ●ファイル枠にドラッグ＆ドロップ 　インターフェース誌のダウンロードサイト→2025年3月号→生成AI×エッジ・デバイス…からPC用アーカイブ(edgeai-pc-202403.zip)をダウンロードして適当なディレクトリに展開します。その中にballs_int_5.py, weight_plus.zipがあるので図1‐02のようにアップロードします。 図1‐02 ●重み係数・バイアス（小数版）の準備 　!unzip weight_plus.zip とタイプして解凍すると、図1‐03のように重み係数w1〜w6.csv、バイアスb1〜b6.csvが現れます。これらは前の章（ラズパイ編）で生成した重み係数です（＊２）。 （＊２）balls_float_5.pyを実行すると生成される。ただし、実行のたびに係数値、バイアス値は変わってくる（学習に使用する画像の順番がランダムに変わるので）。 図1‐03 ●重み係数・バイアスを整数化するPythonプログラム 　w1〜w6.csv、b1〜b6.csvは皆小数なので、そのままではFPGA化出来ません。run balls_int_5.py とタイプして実行すると図1‐04のようにw1_int〜w6_int.csv、b1_int〜b6_int.csvが生成されます。これらは整数化された重み係数・バイアスです。 図1‐04　 ●ラベルリスト、推論用Python、推論用画像セットをアップ 　PC用アーカイブのTestBalls_5.csv, balls_int_pred_5.py, val_1.zipをアップロードします。 図1‐05 ●画像セットは赤／緑／青／黄／床の５クラス 　!unzip val_1.zip で解凍すると図1‐06のようにval_1フォルダの下に5つのフォルダが現れます。これらは推論用画像セットです。 図1‐06 ●整数化後の認識率の確認 　balls_int_pred_5.pyは整数化した重み係数・バイアスを使って推論を行うプログラムです。実行すると図1‐07のように正解率が100％となっており、小数と比べてほぼ劣化していないことが分かります（＊３）。 （＊３）整数化すると推論品質は劣化するが、このケースではそれが数字に表れなかったということ。 図1‐07　 ●重み係数・バイアス（整数版）のCSVファイル 　w1_int〜w6_int.csv、b1_int〜b6_int.csvがを右クリックでダウンロードします（図1‐08）。これらCSVファイル12個を以降のステップ（EXCEL化）で使用します。 図1‐08　 ●入力画像や中間出力などのデータもCSVに落とす 　balls_int_pred_5.pyは他にもいろいろなCSVファイルを生成します。下表はそれらの説明。例えばlay6out_sample_00.csvはFPGA内部信号との比較に使います（ここ参照）。 CSVファイル 説明 Bin1_int, Gin1_int, Rin1_int 推論画像最初の1枚目の画素。それぞれB/G/R成分 RGB565.csv 推論画像最初の20枚の画素。B/G/R成分が結合して1データになっている。 layNout_M N層目Mチャネル目の出力（推論画像最初の1枚目） lay5out 5層目の出力（推論画像最初の1枚目、lay5Boutも同じ） lay6out_sample_X 6層目の出力（推論画像最初のX枚目） 目次へ戻る