2、开发环境搭建：安装Arduino IDE、配置ESP32或Arduino Nano 33 BLE Sense开发板、安装必要的库和工具链
TinyML 项目的开发环境搭建，本质上是在 PC 端建立一条从“模型训练”到“嵌入式部署”的完整工具链。对于初学者而言，Arduino IDE 是最友好的入口，它屏蔽了底层复杂的交叉编译过程，将代码编写、库管理、板卡配置和固件烧录集成在一个图形化界面中。本章将围绕 ESP32 与 Arduino Nano 33 BLE Sense 两块主流开发板，详细讲解从 IDE 安装、板卡包配置、库安装到工具链验证的完整流程，并针对常见环境问题进行排障。
2.1 核心原理：理解 Arduino 工具链的分层结构
Arduino 开发环境并非一个简单的编辑器，而是一套分层的工具链体系。最上层是 Arduino IDE 图形界面，负责代码编辑、项目管理与交互；中间层是板卡支持包（Board Package），它包含了针对特定芯片（如 ESP32 的 Xtensa 双核处理器、nRF52840 的 Cortex-M4F）的 GCC 交叉编译器、链接脚本、启动文件、烧录引导程序以及核心硬件抽象库；最底层则是各种第三方库，它们基于板卡包提供的 API 进一步封装，例如 TensorFlow Lite Micro 库将神经网络推理引擎编译为静态库，供 Arduino 草图调用。
理解这一分层结构对排障至关重要。当编译报错时，需要判断错误来自语法层面、库依赖层面还是板卡配置层面。例如，fatal error: TensorFlowLite.h: No such file or directory 属于库未安装或路径错误；而 exec: "xtensa-esp32-elf-g++": executable file not found in $PATH 则说明板卡包未正确安装或环境变量未刷新。
boards.txt 或 platform.txt 文件，否则可能导致内存溢出或烧录失败。
2.2 操作流程：从零搭建 ESP32 与 Nano 33 BLE Sense 环境
2.2.1 安装 Arduino IDE
访问 Arduino 官网下载最新版 IDE（2.x 系列或 1.8.19 经典版均可）。推荐使用 2.x 版本，其内置了更智能的代码补全和串口监视器增强功能。安装时选择默认路径，Windows 用户注意勾选“安装 USB 驱动”选项。安装完成后，首次启动会提示是否安装 USB 驱动，务必允许。
2.2.2 配置 ESP32 开发板
ESP32 不在 Arduino 默认板卡列表中，需要手动添加 JSON 索引地址。操作步骤如下：
- 打开 文件 → 首选项 → 附加开发板管理器网址，填入以下 URL：
https://raw.githubusercontent.com/espressif/arduino-esp32/gh-pages/package_esp32_index.json - 点击 工具 → 开发板 → 开发板管理器，搜索
esp32，选择 Espressif Systems 官方发布的版本（建议 2.0.14 或更高稳定版），点击安装。 - 安装完成后，在 工具 → 开发板 下拉菜单中，选择
ESP32 Dev Module或你的具体板型（如ESP32-WROOM-DA Module）。 - 设置关键参数：Flash Size 选择
4MB（若板载 8MB 则选 8MB），Partition Scheme 选择Default 4MB with spiffs（TinyML 模型通常烧录到代码区，无需大分区），Upload Speed 选择921600以加快烧录。
2.2.3 配置 Arduino Nano 33 BLE Sense
Nano 33 BLE Sense 基于 Nordic nRF52840，Arduino 官方已将其纳入内置板卡列表，无需额外 URL。操作步骤：
- 打开 开发板管理器，搜索
nRF52840，找到Arduino Mbed OS Nano Boards，点击安装。该包体积较大（约 500MB），包含 Mbed OS 实时操作系统和 BLE 协议栈。 - 安装完成后，在 工具 → 开发板 中选择
Arduino Nano 33 BLE Sense。 - 注意：该板卡使用 Mbed OS 作为底层，编译速度比 ESP32 慢，首次编译可能需要 2-3 分钟，属正常现象。
2.2.4 安装 TinyML 相关库
库管理器是 Arduino IDE 的核心优势。点击 工具 → 管理库，搜索并安装以下库：
| 库名称 | 版本建议 | 用途说明 |
|---|---|---|
| Arduino_TensorFlowLite | 最新版 | TensorFlow Lite Micro 官方移植库，提供推理引擎和算子内核 |
| EloquentTinyML | ≥1.0.0 | 封装了 TFLite 的调用接口，简化模型部署代码 |
| Arduino_LSM9DS1 | 最新版 | Nano 33 BLE Sense 板载 9 轴 IMU 驱动库 |
| Arduino_APDS9960 | 最新版 | 板载手势/光线/接近传感器驱动库 |
| Arduino_PDM | 最新版 | PDM 麦克风音频采集库（用于语音识别） |
对于 ESP32，若需使用音频功能，还需安装 ESP32-AudioI2S 库；若需使用摄像头，则安装 esp32-camera 库（需从 GitHub 手动下载 ZIP 导入）。
2.3 案例拆解：从 Blink 到传感器数据读取的完整验证
环境搭建是否成功，不能仅以“安装完成”为标准，必须通过实际编译烧录来验证。以下是一个典型的验证流程，以 Nano 33 BLE Sense 为例：
第一步：Blink 测试。 编写最简单的 LED 闪烁程序，验证板卡驱动、编译链和烧录通道是否正常。代码中 LED_BUILTIN 宏定义在板卡包中，若编译通过且 LED 闪烁，说明基础链路畅通。
void setup() {
pinMode(LED_BUILTIN, OUTPUT);
}
void loop() {
digitalWrite(LED_BUILTIN, HIGH);
delay(500);
digitalWrite(LED_BUILTIN, LOW);
delay(500);
}第二步：串口打印 IMU 数据。 在 Blink 基础上加入传感器读取，验证库安装是否正确。若串口监视器输出乱码或空白，检查波特率是否设置为 115200，以及是否选择了正确的串口端口。
#include <Arduino_LSM9DS1.h>
void setup() {
Serial.begin(115200);
if (!IMU.begin()) {
Serial.println("Failed to initialize IMU!");
while (1);
}
}
void loop() {
float ax, ay, az;
if (IMU.accelerationAvailable()) {
IMU.readAcceleration(ax, ay, az);
Serial.print(ax); Serial.print('\t');
Serial.print(ay); Serial.print('\t');
Serial.println(az);
}
delay(100);
}第三步：TinyML 推理验证。 使用 EloquentTinyML 库加载一个预训练的分类模型（如手势识别），输入模拟数据，观察输出概率。这一步验证了 TensorFlow Lite Micro 库与板卡内存的兼容性。
整个验证过程约需 30 分钟。若第二步失败，优先检查库版本冲突——例如 Arduino_LSM9DS1 与 Mbed OS 的 SPI 驱动可能存在兼容性问题，此时可尝试降级库版本或更新板卡包。
2.4 常见误区与总结复盘
误区一：盲目追求最新版本。 板卡包和库的“最新版”不一定稳定。例如 Arduino Mbed OS Nano Boards 的 4.x 版本曾出现 I2C 时序问题，导致部分传感器读取异常。建议在 TinyML 项目中锁定已验证的稳定版本组合，如 ESP32 板卡包 2.0.14 + Arduino_TensorFlowLite 1.15 版本。
误区二：忽略分区表配置。 ESP32 的默认分区表将大部分 Flash 分配给 SPIFFS 文件系统，而 TinyML 模型通常以 C 数组形式直接编译进固件，不需要 SPIFFS。若模型较大（超过 1MB），需在 Partition Scheme 中选择 Huge APP (3MB No OTA)，否则编译会报 Sketch too big 错误。
误区三：混淆编译错误与烧录错误。 编译错误是代码或库问题，烧录错误是硬件连接或驱动问题。当烧录时报 A fatal error occurred: Failed to connect to ESP32: Timed out，应检查板卡是否进入下载模式（按住 BOOT 键再按 EN 键），而非反复修改代码。
误区四：忽视串口监视器的缓冲区溢出。 在调试 TinyML 模型时，若在 loop() 中高频打印推理结果，串口缓冲区可能溢出导致数据丢失。建议使用 if (Serial.available()) 做流控，或降低打印频率。