1. 课程导学与开发环境搭建

各位同学，欢迎来到《MCU部署TinyML与CMSIS-NN推理实战》的第一章。我是你们的讲师，一个在嵌入式AI领域摸爬滚打了多年的老工程师。今天咱们不聊虚的，直接切入正题——先把TinyML是什么搞清楚，再把开发环境搭起来。环境搭不好，后面全是纸上谈兵。

1.1 TinyML到底是什么？

TinyML，说白了就是让机器学习模型在微控制器（MCU）上跑起来。你想想看，一个STM32F4，主频168MHz，RAM才192KB，Flash 1MB，却要跑一个神经网络推理。这听起来有点疯狂，但确实做到了。

我最早接触TinyML是在2019年，当时一个客户想在智能门锁上做离线语音唤醒。云端方案延迟高、功耗大，还得联网。后来我们用TinyML方案，直接在STM32F746上部署了一个2层CNN模型，功耗不到10mW，唤醒率做到了95%以上。嗯，从那以后我就认定了这条路。

但TinyML也有它的局限。MCU的资源太有限了，你不能把ResNet-152这种大模型塞进去。我们通常部署的是轻量级模型，比如MobileNet V1/V2、TinyML专用架构，或者经过量化的模型。

1.2 CMSIS-NN：ARM的加速神器

CMSIS-NN是ARM官方为Cortex-M系列内核优化的神经网络推理库。它利用SIMD指令、查表法、定点运算等技巧，把推理速度提升了4-5倍。我在项目中实测过，同样的模型，用CMSIS-NN比纯C实现快了3.8倍，内存占用还少了30%。

特性	纯C实现	CMSIS-NN
卷积运算	循环嵌套，效率低	SIMD指令并行，查表加速
激活函数	浮点计算，慢	定点查表，快
内存占用	高（浮点中间结果）	低（定点量化）
推理速度	基准	提升3-5倍

CMSIS-NN支持Cortex-M4/M7/M33/M55等内核。咱们课程主要用STM32F4/F7/H7系列，它们都内置了FPU和DSP指令，配合CMSIS-NN能发挥最大性能。

1.3 硬件平台选型：STM32F4/F7/H7怎么选？

很多同学问我，老师，我该买哪块开发板？我的回答是：看你的模型大小和实时性要求。

咱们来看看这三款芯片的差异：

参数	STM32F4	STM32F7	STM32H7
内核	Cortex-M4	Cortex-M7	Cortex-M7
主频	168-180MHz	216MHz	480-550MHz
RAM	192KB-1MB	320KB-1MB	1MB-2MB
Flash	512KB-2MB	1MB-2MB	2MB
DSP指令	有	有	有
FPU	单精度	单精度	双精度
典型功耗	~50mA	~80mA	~150mA
适合场景	简单分类、关键词识别	中等模型、视觉推理	复杂模型、实时推理

我的建议是：

• 入门学习：选STM32F4，便宜、资料多、够用。比如STM32F407VET6开发板，几十块钱。
• 中等项目：选STM32F7，比如STM32F746G-DISCO，带LCD和摄像头接口，适合做视觉类TinyML。
• 高性能需求：选STM32H7，比如STM32H743，主频480MHz，能跑MobileNet V1这种稍大的模型。

1.4 开发工具链安装与验证

工具链这块，咱们课程主要用两种方式：STM32CubeIDE（官方IDE，集成CubeMX）和ARM GCC命令行工具链。我个人习惯用STM32CubeIDE做快速原型验证，用ARM GCC做自动化构建和CI集成。

1.4.1 STM32CubeIDE安装

1. 去ST官网下载STM32CubeIDE（目前最新是1.15.0）
2. 安装时选择默认路径，注意勾选“STM32CubeMX”组件
3. 安装完成后，打开IDE，它会自动检测J-Link、ST-Link等调试器
4. 创建一个新工程，选择你的芯片型号（比如STM32F407VGT6）
5. 在CubeMX中配置时钟、外设，生成初始化代码

验证方法：写一个简单的LED闪烁程序，编译下载到开发板。如果LED亮了，说明环境OK。

// 简单的LED闪烁验证代码
#include "main.h"

int main(void) {
    HAL_Init();
    SystemClock_Config();
    MX_GPIO_Init();  // 初始化GPIO，LED接在PD12

    while (1) {
        HAL_GPIO_TogglePin(GPIOD, GPIO_PIN_12);
        HAL_Delay(500);
    }
}

1.4.2 ARM GCC工具链安装

ARM GCC是开源的，适合做自动化构建。我建议用ARM官方的GNU Arm Embedded Toolchain。

1. 访问ARM官网下载gcc-arm-none-eabi工具链（Windows选.exe，Linux选.tar.bz2）
2. Windows用户：双击安装，记得勾选“Add to PATH”
3. Linux用户：解压后把bin目录加入PATH
4. 验证：打开终端，输入 arm-none-eabi-gcc --version

如果看到类似 arm-none-eabi-gcc (GNU Arm Embedded Toolchain 10.3-2021.10) 10.3.1 20210824 的输出，说明安装成功。

1.5 本章知识体系总览

下面这张图总结了咱们第一章的核心内容。你可以把它当作一个思维导图，后面学习时随时回来对照。

这张图把咱们第一章的四个核心模块串起来了。从TinyML概念出发，到CMSIS-NN加速库，再到硬件选型，最后是工具链搭建。每一步都是后面实战的基础。

1.6 环境验证：跑通第一个程序

工具链装好了，咱们得验证一下。我建议你按以下步骤操作：

1. 打开STM32CubeIDE，新建一个STM32F407VGT6工程
2. 在CubeMX中配置一个GPIO输出（比如PD12），时钟用内部HSI
3. 生成代码，在main.c的while循环里加上LED翻转代码
4. 编译（快捷键Ctrl+B），下载到开发板
5. 观察LED是否以500ms间隔闪烁

如果LED正常闪烁，恭喜你，环境搭建成功！如果遇到问题，别急，我列几个常见坑：