SpacemiT AI Demo 示例库
简介
SpacemiT AI Demo 示例库是基于进迭时空 K 系列芯片适配的 AI 应用示例集合。该项目为开发者提供了丰富的 AI 模型部署教程和完整的示例代码，涵盖了计算机视觉（CV）、自然语言处理（NLP）、语音处理等多个 AI 领域。
📦 源码仓库: https://gitee.com/bianbu/spacemit-demo.git
项目特点
- 🚀 开箱即用: 提供完整的模型下载、量化、部署流程
- 🔧 多语言支持: 同时提供 Python 和 C++ 版本的示例代码
- 📊 性能优化: 针对 SpacemiT K1 芯片深度优化，提供详细的性能数据
- 📚 完整文档: 每个示例都包含详细的 README 文档和使用说明
目录结构
spacemit_demo/
├── examples/
│ ├── CV/ # 计算机视觉示例
│ │ ├── yolov5/ # 目标检测模型
│ │ ├── yolov6/ # 目标检测模型
│ │ ├── yolov8/ # 目标检测模型
│ │ ├── yolov8-pose/ # 姿态检测模型
│ │ ├── yolov11/ # 目标检测模型
│ │ ├── yolov5-face/ # 人脸检测模型
│ │ ├── yolo-world/ # 开放词汇检测模型
│ │ ├── resnet/ # 图像分类模型
│ │ ├── efficientnet/ # 图像分类模型
│ │ ├── mobilenet_v2/ # 轻量级分类模型
│ │ ├── inception_v1/ # 图像分类模型
│ │ ├── inception_v3/ # 图像分类模型
│ │ ├── swin-tiny_16xb64_in1k/ # 视觉 Transformer 模型
│ │ ├── fcn/ # 语义分割模型
│ │ ├── unet/ # 语义分割 模型
│ │ ├── SAM/ # 图像分割模型
│ │ ├── arcface/ # 人脸识别模型
│ │ ├── nanotrack/ # 目标跟踪模型
│ │ └── CLIP/ # 多模态模型
│ └── NLP/ # 自然语言处理示例
│ ├── spacemit_asr/ # 语音识别模块
│ ├── spacemit_llm/ # 大语言模型模块
│ ├── spacemit_tts/ # 文本转语音模块
│ ├── spacemit_audio/ # 音频处理模块
│ └── *.py # 各种 AI 功能演示脚本
└── README.md # 项目总览
示例分类
计算机视觉 (CV)
计算机视觉模块包含了主流的 CV 模型示例，涵盖图像分类、目标检测、语义分割、人脸识别等任务：
图像分类
- ResNet50: 经典的深度残差网络，适用于图像分类任务
- EfficientNet: 高效的卷积神经网络，在精度和效率间取得良好平衡
- MobileNetv2: 专为移动设备优化的轻量级网络
- Inception: Google 提出的多尺度特征提取网络
- Swin Transformer: 基于窗口注意力的视觉 Transformer
目标检测
- YOLOv5/v8/v11: 最新的 YOLO 系列目标检测算法
- YOLOv6: 美团提出的高效目标检测算法
- YOLOv8-pose: 基于 YOLOv8 的人体姿态检测模型
- YOLO-World: 支持开放词汇的目标检测模型
语义分割
- FCN: 全卷积网络，语义分割的经典方法
- U-Net: 医学图像分割领域的经典网络
- SAM: Meta 提出的分割一切模型
人脸相关
- ArcFace: 基于角度边际的人脸识别算法
- YOLOv5-face: 专门用于人脸检测的 YOLO 变体
其他
- NanoTrack: 轻量级目标跟踪算法
- CLIP: OpenAI 的图文多模态理解模型
自然语言处理 (NLP)
NLP 模块提供了完整的语音和文本处理解决方案，支持从语音输入到智能回复的全流程：
核心功能
- 语音识别 (ASR): 将语音转换为文本，支持实时识别
- 大语言模型 (LLM): 支持本地部署 Qwen、DeepSeek 等主流模型
- 文本转语音 (TTS): 高质量的语音合成功能
- 函数调用: LLM 自动选择和调用外部函数的能力
- 视觉语言模型: 图像理解和文本生成的多模态功能
完整应用场景
- 语音助手: 语音输入 → 语音识别 → 大模型推理 → 语音合成输 出
- 智能对话: 支持上下文理解的对话系统
- 图像问答: 基于图像内容进行智能问答
性能数据
CV 模型性能 (4核)
| 模型类型 | 具体模型 | 输入尺寸 | 数据类型 | 帧率 |
|---|---|---|---|---|
| 图像分类 | ResNet50 | 224×224 | INT8 | 23 FPS |
| 图像分类 | EfficientNet-B1 | 224×224 | INT8 | 18 FPS |
| 目标检测 | YOLOv5n | 640×640 | INT8 | 6 FPS |
| 目标检测 | YOLOv8n | 320×320 | INT8 | 26 FPS |
| 人脸识别 | ArcFace | 320×320 | INT8 | 23 FPS |
LLM 模型性能 (4核)
| 模型 | 参数量 | 量化格式 | 存储大小 | 推理速度 |
|---|---|---|---|---|
| Qwen2.5-0.5B | 0.5B | Q4_0 | 336MB | 11 tokens/s |
| DeepSeek R1-1.5B | 1.5B | Q4_0 | 1017MB | 4.5 tokens/s |
| SmolLM2-135M | 135M | FP16 | 271MB | 15 tokens/s |
语音模型性能
| 模型类型 | 模型 | 量化格式 | 存储大小 | 性能指标 |
|---|---|---|---|---|
| ASR | SenseVoice-Small | 动态量化 | 229MB | RTF=0.38 |
| TTS | MeloTTS | 动态量化 | 74MB | RTF=2-4 |
快速开始
1. 克隆仓库
git clone https://gitee.com/bianbu/spacemit-demo.git
cd spacemit-demo
2. 选择示例类型
计算机视觉示例:
cd examples/CV/yolov5
# 下载模型和数据
cd model && sh download_model.sh
cd ../data && sh download_data.sh
# 运行 Python 示例
cd ../python && python test_yolov5.py
自然语言处理示例:
cd examples/NLP
# 安装依赖
pip install -r requirements.txt
# 运行语音识别示例
python 03_asr_demo.py
适用场景
- AI 学习: 为初学者提供完整的 AI 模型部署学习资料
- 产品原型: 快速构建 AI 功能原型和 MVP
- 性能评估: 评估不同模型在 SpacemiT K1 上的性能表现
- 应用开发: 为实际项目提供可参 考的代码模板
技术支持
- 📖 官方文档: 详细的使用说明和 API 文档
- 🐛 问题反馈: Gitee Issues
- 💬 社区交流: SpacemiT 开发者社区
立即访问 SpacemiT AI Demo 源码仓库 开始您的 AI 开发之旅！