4、嵌入式目标平台概述：常见MCU（STM32、ESP32、RP2040）及TinyML部署工具链（STM32Cube.AI、TensorFlow Lite Micro）介绍

在HIL（硬件在环）验证流程中，嵌入式目标平台是承载TinyML推理的物理载体。PC仿真与嵌入式部署之间的差异，往往并非模型本身，而是目标平台的算力、内存架构、浮点支持、编译器优化策略以及运行时库实现。本章聚焦三类主流MCU——STM32、ESP32、RP2040，以及两条核心部署工具链——STM32Cube.AI与TensorFlow Lite Micro（TFLM），帮助学员建立“选型—部署—验证”的完整认知框架。

上图展示了MCU、工具链与HIL验证三者之间的映射关系。在实际项目中，MCU决定了算力上限与内存预算，工具链决定了模型如何被转换和优化，而HIL验证则关注最终部署后的推理结果是否与PC仿真一致。下面逐一展开。

4.1 核心原理：MCU算力与内存约束决定TinyML部署策略

TinyML的本质是在资源受限的MCU上运行机器学习推理。与PC或手机SoC不同，MCU通常只有几十KB到几MB的RAM，主频在几十MHz到几百MHz之间，且多数不具备硬件浮点单元（FPU）。这意味着PC仿真中使用的float32权重和激活值，在MCU上往往需要量化为int8或int16，否则内存和计算开销将不可接受。

以STM32F746（Cortex-M7，216MHz，512KB RAM）为例，若部署一个MobileNetV1（约4.2M参数，float32占用约16.8MB），显然无法直接放入RAM。因此，STM32Cube.AI会执行权重量化、算子融合、内存复用等优化。而RP2040（Cortex-M0+，133MHz，264KB RAM）则更适合极轻量模型，如TinyML经典的人体检测或关键词唤醒模型。

理解MCU的算力与内存约束，是选择工具链和模型架构的前提。下表对比了三类MCU的关键参数：

参数	STM32F746	ESP32-WROOM-32	RP2040
核心	Cortex-M7	LX6 双核	Cortex-M0+ 双核
主频	216 MHz	240 MHz	133 MHz
SRAM	512 KB	520 KB	264 KB
Flash	1 MB	4 MB	2 MB（外部）
FPU	单精度	无（单精度模拟）	无
典型工具链	STM32Cube.AI	TFLM + ESP-IDF	TFLM + Pico SDK

从表中可见，STM32具备硬件FPU，适合float32推理或混合精度；ESP32虽无FPU，但主频高且内存充足，适合int8量化模型；RP2040资源最紧张，必须使用极轻量模型并开启所有优化。

4.2 判断方法：如何选择MCU与工具链组合

选择MCU与工具链，不能只看峰值算力，还需评估模型算子兼容性、内存峰值占用、以及工具链的成熟度。以下是判断流程：

1. 模型算子清单提取：从PC仿真模型中导出算子列表（如Conv2D、DepthwiseConv2D、FullyConnected、Softmax等）。
2. 工具链算子支持比对：查阅STM32Cube.AI或TFLM的算子支持表，确认所有算子均有对应实现。
3. 内存峰值估算：使用工具链的RAM/Flash报告功能，或手动估算中间张量大小。
4. 推理延迟预算：根据应用实时性要求（如语音唤醒需<50ms），反推所需主频与优化级别。
5. HIL验证可行性：确认目标板支持调试接口（SWD/JTAG），并能输出推理结果日志。

例如，若模型包含自定义算子（如GELU激活），TFLM可能不支持，需改用STM32Cube.AI或手动实现算子。反之，若模型为纯卷积网络，TFLM的CMSIS-NN加速在Cortex-M上表现优异。

4.3 案例拆解：STM32Cube.AI与TFLM部署同一模型到STM32与RP2040

为直观展示工具链差异，我们以“关键词唤醒”模型（DS-CNN，约40KB int8）为例，分别部署到STM32F746和RP2040。

背景与目标：PC仿真准确率92.3%，需在MCU上保持准确率不低于91%，推理延迟<30ms，RAM占用<100KB。

STM32Cube.AI部署路径：

# 1. 将Keras模型导出为.h5
# 2. 使用STM32Cube.AI命令行工具转换
stm32ai generate -m model.h5 -o output_dir --type int8 --name kws_model
# 3. 生成C代码后，在STM32CubeIDE中编译并运行
# 4. 通过串口打印推理结果，与PC仿真输出对比

实际结果：RAM占用78KB，推理延迟18ms，准确率91.8%。Cube.AI自动完成了算子融合（Conv+BN+ReLU）和内存复用。

TFLM部署到RP2040路径：

# 1. 将Keras模型转换为.tflite
# 2. 使用TFLM的转换脚本生成C++数组
xxd -i model.tflite > model_data.cc
# 3. 在Pico SDK中集成TFLM运行时
# 4. 使用MicroPrintf输出推理结果

实际结果：RAM占用92KB，推理延迟25ms，准确率91.5%。TFLM的算子内核基于CMSIS-NN，但RP2040的Cortex-M0+不支持SIMD，因此延迟略高。

对比复盘：STM32Cube.AI在STM32上表现更优，因其针对Cortex-M7做了深度优化；TFLM则具备跨平台一致性，适合多目标部署。HIL验证时，需分别记录两套工具链的量化误差——Cube.AI的int8量化与TFLM的int8量化在缩放因子计算上存在微小差异，可能导致输出偏差。

4.4 常见误区与总结复盘