APM32芯得 EP.38 | TinyMaix赋予APM32F411 AI推理能力

主要观点总结

该文章介绍了《APM32芯得》系列内容的概述和关键信息，包括TinyMaix的简介、源码准备、移植到APM32F411的过程和TinyMaix的运行效果。文章还提供了关于移植过程中的关键步骤和代码实现的细节。

关键观点总结

关键观点1: TinyMaix简介

TinyMaix是矽速科技为微控制器设计的轻量级机器学习库，能在任意的MCU上运行轻量级深度学习模型。它消耗的资源非常小，甚至在只有2KB RAM，32KB Flash的Arduino ATmega328上都可以运行mnist（手写数字识别）。

关键观点2: 源码准备

源码准备包括获取APM32F411的SDK和TinyMaix源码，并了解TinyMaix的目录结构和关键特性。

关键观点3: 移植过程

移植TinyMaix到APM32F411需要解决头文件路径问题、编译器选择问题、解决编译报错等。其中主要解决了系统计时函数和实例代码中函数命名冲突的问题。

关键观点4: TinyMaix运行效果

通过运行TinyMaix提供的手写数字识别、分类检测、识别人像等实例，展示了TinyMaix的实际应用效果。

文章预览

《APM32芯得》系列内容为用户使用APM32系列产品的经验总结，均转载自21ic论坛极海半导体专区，全文未作任何修改，未经原文作者授权禁止转载。 1. T inyMaix简介 TinyMaix 是矽速科技（Sipeed）专门为微控制器设计的轻量级开源机器学习库，可以在任意的MCU上运行轻量级深度学习模型。 TinyMaix 所消耗的资源非常小，在只有 2KB RAM，32KB Flash 的 Arduion ATmega328上都可以运行mnist（手写数字识别）。 关于 TinyMaix 详细介绍，可以到 Sipeed 科技的官网 Wiki 查看。 https://wiki.sipeed.com/news/others/tinymaix_cnx/tinymaix_cnx.html 下面是引用自官网 Wiki 对于 TinyMaix 的关键特性介绍： 关键特性 · 核心代码少于400行(tm_layers.c+tm_model.c+arch_cpu.h), 代码段(.text)少于3KB · 低内存消耗，甚至Arduino ATmega328 (32KB Flash, 2KB Ram) 都能基于TinyMaix跑mnist(手写数字识别) · 支持INT8/FP32/FP16模型，实验性地支持F ………………………………