📚 课程目录第3章 TensorFlow Lite Micro环境搭建

3. TensorFlow Lite Micro 环境搭建：从源码编译到开发板跑通

说实话，很多做嵌入式AI的朋友，第一步就卡在环境搭建上。不是下载慢，就是编译报错，折腾一整天连个hello world都跑不起来。我当年第一次搞TFLM，也踩了不少坑。

这一章，咱们就把TFLM的编译环境、CMSIS-NN的集成、以及开发板的烧录验证，一条龙捋清楚。你跟着我的步骤走，应该能省下不少时间。

3.1 为什么非要自己编译TFLM？

你可能想问：直接用官方预编译的库不行吗？

嗯，对于x86 Linux或者Windows，确实可以。但MCU的世界里，每家芯片的指令集、内存布局、外设地址都不一样。预编译的二进制根本没法通用。

自己编译的好处有三个：

裁剪体积：你只编译需要的算子，不用把整个框架塞进去。我见过有人把全量TFLM编译完，固件直接超了256KB Flash——其实他只用了一个全连接层。
硬件加速：只有源码编译，才能把CMSIS-NN、Helium、甚至自定义NPU驱动嵌进去。
调试自由：出bug了你能加打印、改代码、甚至单步调试。预编译库就是个黑盒。

  核心结论：TFLM的源码编译不是可选项，是必选项。除非你只做仿真。

3.2 源码获取与目录结构

先拉代码。我习惯用固定版本，避免后续依赖变动导致问题。

git clone -b v1.15.0 https://github.com/tensorflow/tflite-micro.git
cd tflite-micro

拉下来之后，你看到的目录大概是这样：

目录/文件	作用
`tensorflow/lite/micro/`	TFLM核心代码：解释器、内存分配器、算子注册
`tensorflow/lite/micro/kernels/`	所有算子实现，按平台分目录（`arm/`, `xtensa/`等）
`tensorflow/lite/micro/tools/`	编译脚本、Makefile、项目生成器
`third_party/`	第三方依赖：CMSIS-5、FlatBuffers、ruy等
`gen/`	编译输出目录（运行make后自动生成）

这里有个坑：third_party/cmsis/ 默认可能只包含CMSIS-Core，没有CMSIS-NN。你需要手动确认一下。

我曾经遇到过：拉完代码直接编译，链接时报了一堆未定义符号，全是arm_nn_*开头的函数。查了半天才发现third_party里CMSIS-NN的源文件根本没下载全。

3.3 编译系统选择：Make vs CMake

TFLM官方主推的是Makefile系统。为什么？因为嵌入式工具链五花八门，CMake的跨平台能力在MCU领域反而成了负担——很多老编译器根本不支持CMake生成的Ninja/Makefile。

我个人建议：先用官方Makefile跑通，再考虑迁移到CMake。

编译一个针对Cortex-M4的hello world示例：

make -f tensorflow/lite/micro/tools/make/Makefile \
  TARGET=cortex_m_generic \
  TARGET_ARCH=cortex-m4 \
  OPTIMIZED_KERNEL_DIR=cmsis_nn \
  BUILD_TYPE=release \
  hello_world_bin

解释一下几个关键参数：

TARGET=cortex_m_generic：目标平台，官方预置了cortex_m_generic、arduino、sparkfun_edge等。
TARGET_ARCH=cortex-m4：具体架构，决定编译选项（-mcpu=cortex-m4 -mfpu=fpv4-sp-d16等）。
OPTIMIZED_KERNEL_DIR=cmsis_nn：指定使用CMSIS-NN优化算子。不加这个，默认用纯C参考实现。
BUILD_TYPE=release：release模式会加-O3优化，debug模式不加。

编译成功后，在 gen/cortex_m_generic_cortex-m4_release/bin/ 下会生成 hello_world_bin 文件。这是个裸机二进制，可以直接烧录。

3.4 CMSIS-NN 集成：不只是加个路径

很多人以为集成CMSIS-NN就是在Makefile里加个 OPTIMIZED_KERNEL_DIR=cmsis_nn 就完事了。其实没那么简单。

CMSIS-NN的集成分三层：

头文件路径：确保编译器能找到 arm_nnfunctions.h 等头文件。
源文件编译：CMSIS-NN的算子实现（如 arm_convolve_s8.c）需要参与编译。
算子注册表替换：TFLM默认的卷积实现是 ConvEval，CMSIS-NN版本是 ConvEvalCMSIS。你需要确保注册表里用的是后者。

检查是否真的集成了CMSIS-NN，有个简单方法：编译完成后，在生成的 gen/ 目录里搜一下 arm_convolve 符号。

nm gen/cortex_m_generic_cortex-m4_release/bin/hello_world_bin | grep arm_convolve

如果输出了一堆 arm_convolve_s8、arm_convolve_wrapper_s8 之类的符号，说明集成成功。如果只有 tflm_conv 开头的符号，那就是纯C参考实现。

小技巧：CMSIS-NN的算子对输入输出维度有对齐要求（比如通道数最好是4的倍数）。如果你的模型不满足，编译器会静默回退到参考实现，你根本不知道。我建议在代码里加个打印，显式输出当前使用的是哪个卷积实现。

3.5 开发板环境配置：以STM32F746G-Discovery为例

不同开发板的配置差异很大。我这里以STM32F746G-Discovery为例，讲一下通用步骤。

你需要准备：

交叉编译器：ARM GCC (gcc-arm-none-eabi)，建议版本10.3以上。
烧录工具：OpenOCD + GDB，或者STM32CubeProgrammer。
串口调试工具：Putty、screen、或者VSCode的Serial Monitor插件。

编译针对STM32F7的TFLM示例：

make -f tensorflow/lite/micro/tools/make/Makefile \
  TARGET=stm32f7 \
  OPTIMIZED_KERNEL_DIR=cmsis_nn \
  BUILD_TYPE=release \
  hello_world_bin

注意这里 TARGET=stm32f7，Makefile会自动配置对应的链接脚本、启动文件和内存布局。

烧录命令（使用OpenOCD）：

openocd -f board/stm32f7discovery.cfg -c "program gen/stm32f7_release/bin/hello_world_bin 0x08000000 verify reset exit"

烧录完成后，用串口工具连接开发板的USART1（通常是PA9/PA10，波特率115200），你应该能看到：

Hello World! x: 1, y: 0
Hello World! x: 2, y: 1
...

如果没看到输出，先检查串口引脚对不对。我有一回折腾了半小时，结果是杜邦线插反了。

3.6 知识体系总览

下面这张图把整个环境搭建的流程和关键节点串起来了。你可以把它当作一个检查清单。

3.7 常见问题与避坑

最后，我把这些年遇到的高频问题列出来，你碰到了可以直接查：

问题现象	可能原因	解决方案
编译报错：`arm_nn_*` 未定义	CMSIS-NN源文件未下载或未参与编译	检查 `third_party/cmsis/` 是否完整，重新执行 `make download_dependencies`
链接报错：`undefined reference to main`	没有提供入口函数，或者链接脚本不对	确认 `TARGET` 参数是否正确，检查启动文件是否被包含
烧录后无串口输出	串口引脚配置错误，或波特率不匹配	核对开发板原理图，确认USART引脚；检查代码中波特率设置
推理结果全为0或随机值	CMSIS-NN算子未生效，回退到参考实现；或者输入数据对齐不对	加打印确认算子类型；检查输入张量的维度是否满足CMSIS-NN对齐要求

我的习惯：每次搭建新开发板的环境，我都会先编译一个最简单的GPIO点灯程序，确认工具链和烧录链路没问题。然后再上TFLM。这样出了问题，你能快速定位是硬件链路的问题，还是框架本身的问题。

好了，环境搭好之后，下一件事就是往里面塞模型了。不过那是后面章节的事。先把这一步跑通，你后面会顺很多。