본분 내용에 그림으로 넣고 첨부파일에 압축 첨부 합니다.

Neural Network Tools for STM32AI v1.6.0 (STM.ai v7.1.0-RC3)
Created date          : 2022-08-01 16:00:34
Parameters            : analyze --name network -m C:/Users/DR211229001/STM32Cube/Repository/Packs/STMicroelectronics/STM32CubeFunctionPack_SENSING1_V4.0.3/Utilities/AI_Ressources/models/cnn_gmp.h5 --type keras --compression 1 --verbosity 1 --workspace C:\Users\DR2112~1\AppData\Local\Temp\mxAI_workspace52109035648420008140532139645537130 --output C:\Users\DR211229001\.stm32cubemx\network_output

Exec/report summary (analyze)
------------------------------------------------------------------------------------------------------------------------
model file            : C:\Users\DR211229001\STM32Cube\Repository\Packs\STMicroelectronics\STM32CubeFunctionPack_SENSING1_V4.0.3\Utilities\AI_Ressources\models\cnn_gmp.h5
type                  : keras
c_name                : network
compression           : None
workspace dir         : C:\Users\DR2112~1\AppData\Local\Temp\mxAI_workspace52109035648420008140532139645537130
output dir            : C:\Users\DR211229001\.stm32cubemx\network_output
model_name            : cnn_gmp
model_hash            : 954164d0a35496bd293bb6b3429c6a79
input 1/1             : 'input_0'
                        72 items, 288 B, ai_float, float, (1,24,3,1), domain:user/
output 1/1            : 'softmax_1'
                        5 items, 20 B, ai_float, float, (1,1,1,5), domain:user/
params #              : 1,477 items (5.77 KiB)
macc                  : 68,928
weights (ro)          : 5,908 B (5.77 KiB) (1 segment)
activations (rw)      : 6,976 B (6.81 KiB) (1 segment)
ram (total)           : 7,284 B (7.11 KiB) = 6,976 + 288 + 20

Model name - cnn_gmp ['input_0'] ['softmax_1']
-------------------------------------------------------------------------------------------------------------------------------------------------
id   layer (type)                 oshape           param/size    macc     connected to        |   c_size   c_macc          c_type               
-------------------------------------------------------------------------------------------------------------------------------------------------
0    input_0 (Input)              (None,24,3,1)                                               |                           
     quantize_1_conv2d (Conv2D)   (None,20,3,16)   96/384        4,816    input_0             |            +960(+19.9%)    conv2d()[0]          
     quantize_1 (Nonlinearity)    (None,20,3,16)                 960      quantize_1_conv2d   |            -960(-100.0%)  
-------------------------------------------------------------------------------------------------------------------------------------------------
1    quantize_2_conv2d (Conv2D)   (None,16,3,16)   1,296/5,184   61,456   quantize_1          |            +1,536(+2.5%)   optimized_conv2d()[1]
     quantize_2 (Nonlinearity)    (None,16,3,16)                 768      quantize_2_conv2d   |            -768(-100.0%)  
-------------------------------------------------------------------------------------------------------------------------------------------------
2    quantize_3 (Pool)            (None,1,1,16)                  768      quantize_2          |            -768(-100.0%)  
-------------------------------------------------------------------------------------------------------------------------------------------------
3    quantize_4_dense (Dense)     (None,1,1,5)     85/340        85       quantize_3          |                            dense()[2]           
-------------------------------------------------------------------------------------------------------------------------------------------------
4    softmax_1 (Nonlinearity)     (None,1,1,5)                   75       quantize_4_dense    |                            nl()/o[3]            
-------------------------------------------------------------------------------------------------------------------------------------------------
model/c-model: macc=68,928/68,928  weights=5,908/5,908  activations=--/6,976 io=--/308

Generated C-graph summary
------------------------------------------------------------------------------------------------------------------------
model name            : cnn_gmp
c-name                : network
c-node #              : 4
c-array #             : 12
activations size      : 6976 (1 segments)
weights size          : 5908 (1 segments)
macc                  : 68928
inputs                : ['input_0_output']
outputs               : ['softmax_1_output']

C-Arrays (12)
--------------------------------------------------------------------------------------------------------
c_id   name (*_array)               item/size   domain/mem-pool           c-type        fmt     comment
--------------------------------------------------------------------------------------------------------
0      input_0_output               72/288      user/                     float         float   /input 
1      quantize_1_conv2d_output     960/3840    activations/**default**   float         float          
2      quantize_2_conv2d_output     16/64       activations/**default**   float         float          
3      quantize_4_dense_output      5/20        activations/**default**   float         float          
4      softmax_1_output             5/20        user/                     float         float   /output
5      quantize_1_conv2d_weights    80/320      weights/                  const float   float          
6      quantize_1_conv2d_bias       16/64       weights/                  const float   float          
7      quantize_2_conv2d_weights    1280/5120   weights/                  const float   float          
8      quantize_2_conv2d_bias       16/64       weights/                  const float   float          
9      quantize_4_dense_weights     80/320      weights/                  const float   float          
10     quantize_4_dense_bias        5/20        weights/                  const float   float          
11     quantize_2_conv2d_scratch0   768/3072    activations/**default**   float         float          
--------------------------------------------------------------------------------------------------------

C-Layers (4)
-------------------------------------------------------------------------------------------------------------------
c_id   name (*_layer)      id   layer_type         macc    rom    tensors                         shape (array id)
-------------------------------------------------------------------------------------------------------------------
0      quantize_1_conv2d   0    conv2d             5776    384    I: input_0_output               (1,24,3,1) (0)  
                                                                  W: quantize_1_conv2d_weights    (1,16,5,1) (5)  
                                                                  W: quantize_1_conv2d_bias       (1,1,1,16) (6)  
                                                                  O: quantize_1_conv2d_output     (1,20,3,16) (1) 
-------------------------------------------------------------------------------------------------------------------
1      quantize_2_conv2d   2    optimized_conv2d   62992   5184   I: quantize_1_conv2d_output     (1,20,3,16) (1) 
                                                                  S: quantize_2_conv2d_scratch0                   
                                                                  W: quantize_2_conv2d_weights    (16,16,5,1) (7) 
                                                                  W: quantize_2_conv2d_bias       (1,1,1,16) (8)  
                                                                  O: quantize_2_conv2d_output     (1,1,1,16) (2)  
-------------------------------------------------------------------------------------------------------------------
2      quantize_4_dense    3    dense              85      340    I: quantize_2_conv2d_output     (1,1,1,16) (2)  
                                                                  W: quantize_4_dense_weights     (16,1,1,5) (9)  
                                                                  W: quantize_4_dense_bias        (1,1,1,5) (10)  
                                                                  O: quantize_4_dense_output      (1,1,1,5) (3)   
-------------------------------------------------------------------------------------------------------------------
3      softmax_1           4    nl                 75      0      I: quantize_4_dense_output      (1,1,1,5) (3)   
                                                                  O: softmax_1_output             (1,1,1,5) (4)   
-------------------------------------------------------------------------------------------------------------------

Complexity report per layer - macc=68,928 weights=5,908 act=6,976 ram_io=308
----------------------------------------------------------------------------------
id   name                c_macc                    c_rom                     c_id
----------------------------------------------------------------------------------
0    quantize_1_conv2d   ||                 8.4%   ||                 6.5%   [0] 
1    quantize_2_conv2d   ||||||||||||||||  91.4%   ||||||||||||||||  87.7%   [1] 
3    quantize_4_dense    |                  0.1%   |                  5.8%   [2] 
4    softmax_1           |                  0.1%   |                  0.0%   [3]