3. 开发环境搭建（下）：TFLite Micro源码获取与交叉编译链配置、CMake工程搭建、Hello World例程验证

上一节我们把STM32CubeMX和X-CUBE-AI的图形化工具链跑通了。但说实话，真正做嵌入式AI部署，光靠图形界面是不够的。你迟早要面对源码级的工作——比如裁剪算子、优化内存、或者移植一个CubeMX不直接支持的模型。

这时候，TFLite Micro就派上用场了。这一节，我们亲手把它从GitHub上拉下来，配置好交叉编译链，用CMake搭一个干净的工程，最后跑通Hello World。嗯，这套流程走一遍，后面所有实战章节你都会觉得顺手。

3.1 TFLite Micro源码获取

TFLite Micro的官方仓库在tensorflow/tflite-micro。我个人习惯用git clone加指定tag的方式，避免拉到最新的不稳定代码。

git clone https://github.com/tensorflow/tflite-micro.git
cd tflite-micro
git checkout v0.4.0

拉下来之后，目录结构是这样的：

我曾经踩过一个坑：直接clone master分支，结果编译时发现某个算子接口变了，排查了半天。所以，务必用tag版本。

3.2 交叉编译链配置

我们要在PC上编译出能在STM32上跑的二进制。这需要ARM交叉编译链。我推荐用ARM官方的GNU Arm Embedded Toolchain。

3.2.1 下载与安装

1. 访问ARM官网，下载gcc-arm-none-eabi-10.3-2021.10版本（Linux或Windows看你主机系统）。
2. 解压到固定路径，比如 /opt/arm-gcc/ 或 C:\arm-gcc\。
3. 把bin目录加入系统PATH。

# Linux 示例
export PATH=/opt/arm-gcc/gcc-arm-none-eabi-10.3-2021.10/bin:$PATH
arm-none-eabi-gcc --version

3.2.2 验证工具链

写一个最简单的main.c，交叉编译试试：

// test.c
int main(void) {
    return 0;
}

// 编译命令
arm-none-eabi-gcc -mcpu=cortex-m4 -mthumb -mfloat-abi=hard -mfpu=fpv4-sp-d16 -o test.elf test.c

如果没报错，说明工具链能用。这里的关键参数：

• -mcpu=cortex-m4：指定CPU内核。STM32F4/G4用m4，H7用m7。
• -mfloat-abi=hard：启用硬件浮点。TFLite Micro的算子大量使用浮点运算，软浮点性能差很多。
• -mfpu=fpv4-sp-d16：指定FPU类型。STM32F4是单精度FPv4。

3.3 CMake工程搭建

TFLite Micro官方推荐用Makefile，但我个人更习惯CMake——跨平台、可读性好、IDE支持也方便。我们从头搭一个。

3.3.1 工程目录结构

stm32_tflite_demo/
├── CMakeLists.txt          # 顶层CMake
├── third_party/
│   └── tflite-micro/       # 刚才clone的源码（或软链接）
├── src/
│   └── main.cpp            # 我们的应用代码
└── cmake/
    └── arm-none-eabi.cmake # 工具链文件

3.3.2 工具链文件

创建一个 arm-none-eabi.cmake，告诉CMake用交叉编译链：

set(CMAKE_SYSTEM_NAME Generic)
set(CMAKE_SYSTEM_PROCESSOR arm)

set(CMAKE_C_COMPILER arm-none-eabi-gcc)
set(CMAKE_CXX_COMPILER arm-none-eabi-g++)

set(CMAKE_C_FLAGS "-mcpu=cortex-m4 -mthumb -mfloat-abi=hard -mfpu=fpv4-sp-d16 -Os -ffunction-sections -fdata-sections" CACHE STRING "")
set(CMAKE_CXX_FLAGS "${CMAKE_C_FLAGS} -fno-exceptions -fno-rtti" CACHE STRING "")
set(CMAKE_EXE_LINKER_FLAGS "-Wl,--gc-sections -Wl,-Map=output.map" CACHE STRING "")

3.3.3 顶层CMakeLists.txt

cmake_minimum_required(VERSION 3.14)
project(stm32_tflite_demo C CXX ASM)

# 添加TFLite Micro源码
add_subdirectory(third_party/tflite-micro)

# 添加我们的应用
add_executable(main.elf
    src/main.cpp
)

target_link_libraries(main.elf
    tensorflow-lite-micro
)

# 生成hex和bin文件
add_custom_command(TARGET main.elf POST_BUILD
    COMMAND arm-none-eabi-objcopy -O ihex main.elf main.hex
    COMMAND arm-none-eabi-objcopy -O binary main.elf main.bin
)

3.3.4 编译命令

mkdir build && cd build
cmake .. -DCMAKE_TOOLCHAIN_FILE=../cmake/arm-none-eabi.cmake
make -j4

如果一切顺利，你会看到 main.elf、main.hex、main.bin 三个文件。嗯，到这里工程骨架就搭好了。

3.4 Hello World例程验证

光搭架子不行，得跑个真家伙。TFLite Micro官方提供了一个Hello World例程——它用一个小神经网络拟合正弦波。说白了，就是输入一个x，输出预测的sin(x)值。

3.4.1 例程源码结构

在 tensorflow/lite/micro/examples/hello_world/ 下，核心文件就两个：

• main.cc：入口，加载模型、分配张量、循环推理。
• model.cc：模型数据，一个已经训练好的、量化为int8的正弦波拟合模型。

3.4.2 移植到我们的工程

把这两个文件复制到 src/ 目录下，然后修改CMakeLists.txt：

add_executable(main.elf
    src/main.cc
    src/model.cc
)

重新编译：

cd build
cmake ..
make -j4

3.4.3 在STM32上运行

用STM32CubeProgrammer把 main.hex 烧录到开发板。打开串口助手（115200 8N1），你会看到类似这样的输出：

x_value: 0.000000, y_value: 0.000000, expected: 0.000000
x_value: 0.157080, y_value: 0.156434, expected: 0.156434
x_value: 0.314159, y_value: 0.309017, expected: 0.309017
...

3.5 知识体系总览

下面这张图把本章的核心流程串起来了：

3.6 常见问题与避坑

这一套流程我教过不少学员，也帮人排查过问题。总结几个高频坑：

• 链接错误：undefined reference to `tflite::MicroMutableOpResolver' —— 大概率是CMake没正确链接tensorflow-lite-micro库。检查add_subdirectory路径。
• 烧录后没输出 —— 先确认串口引脚对不对。STM32的USART1默认是PA9/PA10，但有些开发板用了其他引脚。
• 推理结果全是0 —— 模型数据对齐问题。TFLite Micro要求模型数据8字节对齐，检查model.cc中的数组声明前是否有__attribute__((aligned(8)))。

好了，到这里你的开发环境就彻底搭好了。源码有了，工具链配好了，CMake工程能编译了，Hello World也跑通了。后面每一章的实战，你都可以基于这个工程模板快速开始。