STM32CubeMX配置指南：嵌入式深度学习开发环境搭建

1. 为什么需要STM32CubeMX来搭建嵌入式深度学习环境

在嵌入式设备上运行深度学习模型，很多人第一反应是"这怎么可能？"——毕竟我们习惯了在服务器或高性能GPU上训练和运行AI模型。但现实是，越来越多的智能终端设备需要在本地完成推理任务：工业传感器要实时识别异常振动，农业无人机要现场判断作物病害，医疗设备要即时分析心电图波形。这些场景无法依赖云端，必须在资源受限的MCU上实现。

STM32CubeMX正是解决这个矛盾的关键工具。它不是传统意义上的"深度学习框架"，而是一个智能配置引擎，把复杂的硬件初始化工作变成了可视化操作。想象一下，如果每次都要手动编写时钟树配置、外设寄存器设置、中断向量表，光是让一个ADC正常采集数据就可能耗费半天时间。而STM32CubeMX能让你在几分钟内完成整个微控制器的初始化配置，生成可直接编译的C代码框架。

更重要的是，它与主流嵌入式AI工具链天然兼容。当你用TensorFlow Lite for Microcontrollers训练好模型后，STM32CubeMX生成的工程结构恰好符合其要求；当你要集成CMSIS-NN优化库时，它能自动配置所需的DSP指令集支持；甚至在调试阶段，它生成的调试配置也能无缝对接ST-Link和J-Link等常用调试器。

这不是一个替代编程的工具，而是把工程师从重复性硬件配置中解放出来，让你真正聚焦在AI算法与嵌入式系统融合的核心问题上——如何让有限的RAM跑通神经网络，如何在毫秒级响应中完成推理，如何平衡功耗与精度。接下来的内容，我会带你一步步走过这个过程，不讲抽象概念，只说具体操作。

2. 环境准备与基础配置

2.1 安装STM32CubeMX与配套工具

首先确认你的开发环境已经准备好。STM32CubeMX本身是跨平台的，Windows、macOS和Linux都能运行，但后续的编译和烧录环节会有些许差异。

在Windows系统上，我推荐使用最新稳定版（目前是6.12.0）。安装过程非常简单，下载官方安装包后一路点击"Next"即可。安装完成后，软件会自动检查并提示你安装必要的Java运行环境——这是STM32CubeMX的运行基础，务必确保安装成功。

安装完成后不要急着打开软件，先配置好两个关键组件：

STM32Cube MCU包：这是设备支持的核心。打开STM32CubeMX，点击"Help" → "Check for Updates"，软件会自动检测并列出所有可用的MCU系列包。对于深度学习应用，重点关注以下几类芯片：

• STM32H7系列：拥有双核Cortex-M7，主频高达480MHz，配备大容量SRAM（1MB以上），是目前嵌入式AI的首选
• STM32U5系列：超低功耗设计，特别适合电池供电的AI终端，内置专用AI加速器
• STM32F7系列：性价比高，适合入门级AI项目

选择你需要的目标芯片系列，点击"Install"等待下载完成。这个过程可能需要几分钟，取决于你的网络速度。

编译工具链：STM32CubeMX本身不包含编译器，需要额外安装。根据你的开发习惯选择：

• 如果使用Keil MDK-ARM，确保已安装版本5.37或更高
• 如果偏好GCC工具链，推荐安装STM32CubeIDE自带的ARM GCC（版本10.3.1）
• 对于命令行爱好者，可以直接下载GNU Arm Embedded Toolchain

安装完成后，在STM32CubeMX中进入"Preferences" → "Tools"选项卡，确认编译器路径已正确识别。这一步看似简单，但很多初学者的编译失败都源于此。

2.2 创建第一个AI友好型工程

现在可以创建我们的第一个工程了。点击"File" → "New Project"，在弹出的设备选择窗口中，输入芯片型号。如果你不确定选哪个，可以搜索"STM32H743"——这是目前最均衡的选择，既有足够算力又便于学习。

选择芯片后，软件会加载对应的引脚图。这时不要急于配置外设，先做一件重要的事：启用核心优化特性。

在左侧项目导航栏中找到"System Core" → "SYS"，在右侧配置面板中找到"Debug"选项，将其设置为"Serial Wire"。这确保了后续调试功能的可用性。

然后点击"System Core" → "RCC"（复位和时钟控制），这是整个系统的心脏。在"High Speed Clock(HSE)"中选择"Crystal/Ceramic Resonator"，并设置频率为8MHz——这是大多数开发板的标准晶振频率。

最关键的一步来了：点击"System Core" → "NVIC"（嵌套向量中断控制器），勾选"Enable all interrupts by default"。深度学习推理过程中会频繁使用DMA传输数据，中断配置不当会导致数据丢失或程序崩溃。

完成这些基础配置后，点击左上角的"Project Manager"标签页。在这里设置项目基本信息：

• Project Name：输入有意义的名称，比如"AI_Sensor_Node"
• Project Folder Location：选择一个不含中文和空格的路径
• Toolchain / IDE：根据你安装的编译器选择，如"MDK-ARM v5"或"SW4STM32"

特别注意"Code Generator"选项卡中的设置：

• 勾选"Generate peripheral initialization as a pair of '.c/.h' files per peripheral"——这会让代码结构更清晰
• 在"Librarys"部分，确保"CMSIS"和"CMSIS-NN"被选中。CMSIS-NN是ARM专门为嵌入式AI优化的数学库，能大幅提升神经网络运算效率

点击"Generate Code"，STM32CubeMX会自动生成完整的工程框架。此时不要关闭软件，我们还有更重要的配置要做。

3. 深度学习关键外设配置

3.1 时钟树配置：为AI计算提供稳定动力

时钟配置是嵌入式AI性能的基石。STM32H7系列芯片的时钟树极其复杂，有多个PLL（锁相环）和分频器，但不必被吓到——STM32CubeMX的图形化界面让这一切变得直观。

在"Clock Configuration"标签页中，你会看到一个清晰的时钟树示意图。我们的目标是让CPU获得尽可能高的稳定频率，同时确保内存和外设时钟满足AI计算需求。

首先关注"HCLK"（AHB总线时钟），这是CPU和内存访问的关键。对于STM32H743，最大支持400MHz，但实际使用中建议设置为280-320MHz。过高的频率会增加功耗，且对电源稳定性要求极高。

具体操作步骤：

• 在"PLL1"区域，将"VCO Input"设置为"HSI/2"（4MHz）
• 将"VCO Output"设置为"800MHz"（这是PLL1的推荐工作点）
• 设置"PLL1 Q"分频器为"2"，这样HCLK就是400MHz
• 但为了留有余量，将"HCLK"分频器设置为"2"，最终得到200MHz的系统时钟

为什么不是直接400MHz？因为深度学习推理需要大量内存访问，过高的HCLK可能导致SRAM访问不稳定。200MHz是一个经过验证的平衡点，在保证性能的同时确保系统可靠性。

接下来配置"ADC"时钟。如果你计划用ADC采集传感器数据进行AI分析，需要特别注意。在"ADC"区域，将"ADC12"时钟源设置为"PLL2 P"，分频系数设为"2"。这样ADC可以获得100MHz的采样时钟，支持最高1MSPS的采样率。

最后别忘了配置"RNG"（随机数发生器）时钟。虽然看起来与AI无关，但在某些量化算法和数据增强过程中会用到真随机数。将"RNG"时钟源设置为"PLL1 Q"，分频系数设为"16"，确保其稳定工作。

完成配置后，观察右下角的"Clock Configuration Summary"，确认所有时钟频率都在芯片规格范围内。如果有红色警告，说明配置超出了硬件限制，需要调整分频系数。

3.2 内存管理：为神经网络分配合适空间

嵌入式AI最大的挑战之一就是内存限制。一个简单的CNN模型可能就需要几百KB的权重参数，而STM32H743的内部SRAM只有1MB。STM32CubeMX提供了精细的内存管理能力，让我们能够合理规划这片宝贵的空间。

在"Pinout & Configuration"视图中，点击左侧导航栏的"System Core" → "MCU"，然后切换到"Memory"选项卡。这里显示了芯片的所有内存区域：

• D1 domain: AXI SRAM (512KB) - 高速，适合存放权重参数
• D2 domain: SRAM1 (128KB) - 中速，适合存放中间激活值
• D3 domain: SRAM3 (64KB) - 低速，适合存放临时变量

关键配置在于"Memory Assignment"部分。默认情况下，所有内存都被分配给堆栈，这对AI应用是灾难性的。我们需要重新分配：

• 将"AXI SRAM"的"Data Memory"分配比例设为"70%"——这部分将用于存放神经网络权重
• 将"SRAM1"的"Data Memory"设为"20%"——用于存放推理过程中的特征图
• 将"SRAM3"的"Stack and Heap"设为"90%"——确保系统有足够的运行时内存

更进一步，点击"Project Manager" → "Advanced Settings"，在"User Labels"中添加自定义内存段：

• 添加名为"AI_WEIGHTS"的段，地址指向AXI SRAM起始地址(0x24000000)，大小设为384KB
• 添加名为"AI_ACTIVATIONS"的段，地址指向SRAM1起始地址(0x30000000)，大小设为96KB

这样做的好处是，后续在C代码中可以使用__attribute__((section("AI_WEIGHTS")))直接将模型权重放入指定内存区域，避免运行时动态分配带来的不确定性。

3.3 外设接口配置：连接AI数据源

深度学习不是孤立的计算，它需要数据输入和结果输出。根据你的应用场景，选择合适的外设接口至关重要。

传感器数据采集（ADC + DMA）： 如果处理温度、湿度、振动等模拟信号，配置ADC是第一步。在"Analog" → "ADC1"中：

• 启用ADC1，模式选择"Independent mode"
• 设置分辨率"16 Bits"（高精度对AI特征提取很重要）
• 采样时间选择"640.5 Cycles"（平衡精度和速度）
• 最关键的是启用"DMA Continuous Requests"，这样ADC可以在不占用CPU的情况下持续采集数据

然后配置DMA：在"Connectivity" → "DMA1"中，为ADC1配置一个通道，数据宽度设为"Half Word"，优先级设为"High"。这样采集的数据会自动流入预分配的缓冲区，为AI推理做好准备。

图像数据输入（DCMI）： 如果处理摄像头数据，DCMI（数字摄像头接口）是关键。在"Connectivity" → "DCMI"中：

• 启用DCMI，设置"Embedded Synchronisation"为"Hardware"
• 数据格式选择"RGB565"（平衡带宽和色彩信息）
• 在"DMA"配置中，为DCMI分配一个独立的DMA通道，缓冲区大小设为"64KB"（足够存储一帧QVGA图像）

模型输出接口（UART + USB）： 推理结果需要输出到上位机或显示屏。我通常配置两个输出通道：

• UART1：用于调试输出，波特率设为"115200"，启用硬件流控
• USB_DEVICE：配置为CDC类，这样可以在PC端虚拟出一个串口，无需额外驱动

在"Connectivity" → "USB_DEVICE"中，选择"Device Only"模式，Class For Interface 1选择"CDC"。这样生成的代码会自动包含USB CDC驱动，你可以像使用UART一样发送推理结果。

4. AI中间件集成与代码生成

4.1 CMSIS-NN库集成配置

CMSIS-NN是ARM官方为Cortex-M系列处理器优化的神经网络库，它包含了针对不同架构高度优化的卷积、池化、激活函数等基本操作。STM32CubeMX能自动集成这个关键组件。

在"Project Manager" → "Code Generator"选项卡中，确保"CMSIS"和"CMSIS-NN"复选框已被勾选。但这只是第一步，还需要进行针对性配置。

点击左侧导航栏的"Middleware" → "CMSIS"，在右侧配置面板中：

• "CMSIS Version"选择最新稳定版（目前是5.9.0）
• "CMSIS-NN"部分，勾选"Enable CMSIS-NN"和"Enable CMSIS-NN Examples"
• 在"Target Processor"中，根据你的芯片选择对应架构，如"ARM Cortex-M7 with FPU"

更关键的是"Optimization Level"设置：

• "Basic Functions"：选择"Optimized"——这是必须的，包含基础数学运算
• "Convolution Functions"：选择"Highly Optimized"——卷积是CNN最耗时的操作
• "Pooling Functions"：选择"Optimized"
• "Activation Functions"：选择"Optimized"

完成这些配置后，STM32CubeMX会在生成的工程中自动包含CMSIS-NN头文件和库文件，并在main.c中添加相应的初始化代码。

但要注意一个常见陷阱：CMSIS-NN默认使用ARM Compiler 6，如果你使用GCC工具链，需要在生成的Makefile或IDE设置中添加编译选项"-mfloat-abi=hard -mfpu=fpv5-d16"，否则浮点运算会异常缓慢。

4.2 TensorFlow Lite Micro集成

TensorFlow Lite Micro是Google专为微控制器设计的轻量级推理引擎，与STM32CubeMX配合得天衣无缝。

在"Middleware" → "Third Party"中，你会看到"TensorFlow Lite Micro"选项（如果未显示，可能需要更新STM32CubeMX版本）。启用它后，软件会自动下载并集成TFLM核心库。

配置要点：

• "Model Format"选择"FlatBuffer"——这是TFLM的标准模型格式
• "Memory Allocation"选择"Heap Based"——更适合动态模型加载
• "Debug Features"中，只勾选"Error Reporting"，避免调试信息占用过多内存

生成代码后，你会在Inc/目录下看到tflite_micro.h头文件，在Src/目录下看到tflite_micro.c实现文件。更重要的是，STM32CubeMX会在main.c中自动生成TFLM初始化代码框架：

// 在main()函数开始处
TfLiteStatus init_status = tflite_micro_init();
if (init_status != kTfLiteOk) {
    Error_Handler(); // 处理初始化失败
}

但这里有个重要提醒：TFLM本身不包含模型，你需要自己准备。通常的做法是：

1. 在PC端用TensorFlow训练好模型
2. 使用TFLite Converter转换为.tflite格式
3. 使用xxd工具将二进制模型转换为C数组
4. 将生成的C数组文件添加到STM32CubeMX工程中

这样，模型就作为常量数据编译进固件，避免了运行时加载的复杂性。

4.3 生成并验证AI工程框架

现在到了最关键的一步：生成完整工程。点击"Project Manager" → "Generate Code"，STM32CubeMX会创建一个结构清晰的工程目录。

生成的工程包含几个重要部分：

• Core/Inc/：所有头文件，包括stm32h7xx_hal.h和cmsis_nn.h
• Core/Src/：HAL库和中间件源文件
• Drivers/：底层驱动代码
• Middlewares/Third_Party/：TFLM和CMSIS-NN库
• Src/：你的应用代码，包括main.c和freertos.c（如果启用了FreeRTOS）

打开main.c文件，你会看到自动生成的初始化代码。重点关注以下几段：

系统时钟初始化：

/* Configure the system clock */
RCC_ClkInitStruct.ClockType = RCC_CLOCKTYPE_HCLK|RCC_CLOCKTYPE_SYSCLK
                              |RCC_CLOCKTYPE_PCLK1|RCC_CLOCKTYPE_PCLK2
                              |RCC_CLOCKTYPE_D3PCLK1|RCC_CLOCKTYPE_D1PCLK1;
RCC_ClkInitStruct.SYSCLKSource = RCC_SYSCLKSOURCE_PLL1;
RCC_ClkInitStruct.SYSCLKDivider = RCC_SYSCLK_DIV1;
RCC_ClkInitStruct.AHBCLKDivider = RCC_HCLK_DIV2; // 注意这里是2分频
RCC_ClkInitStruct.APB3CLKDivider = RCC_APB3_DIV2;
RCC_ClkInitStruct.APB1CLKDivider = RCC_APB1_DIV2;
RCC_ClkInitStruct.APB2CLKDivider = RCC_APB2_DIV2;
RCC_ClkInitStruct.APB4CLKDivider = RCC_APB4_DIV2;

AI相关外设初始化：

/* Initialize ADC1 */
MX_ADC1_Init();

/* Initialize DMA for ADC */
MX_DMA_Init();

/* Initialize CMSIS-NN */
arm_cmsis_nn_init();

/* Initialize TensorFlow Lite Micro */
tflite_micro_init();

编译前，还有一个重要检查：在"Project Manager" → "Settings"中，确认"Code Generation"选项卡下的"Generate peripheral initialization as a pair of '.c/.h' files per peripheral"已被勾选。这确保了每个外设都有独立的初始化文件，便于后续维护和修改。

生成工程后，用你的IDE（如STM32CubeIDE或Keil）打开，编译整个项目。第一次编译可能会有一些警告，但不应该有错误。如果出现链接错误，通常是内存分配问题，回到"Memory"配置页面调整各内存段大小。

5. 实战：部署一个简单的图像分类模型

5.1 模型准备与转换

理论讲得再多不如一次实际部署。我们以经典的"Micro Speech"模型为蓝本，改造为一个简单的图像分类模型——识别手写数字（MNIST数据集的简化版）。

在PC端准备模型的步骤：

1. 使用TensorFlow训练一个小型CNN模型（3层卷积+1层全连接）
2. 转换为TFLite格式：

tflite_convert \
  --saved_model_dir=./saved_model \
  --output_file=./model.tflite \
  --input_shapes=1,28,28,1 \
  --input_arrays=conv2d_input \
  --output_arrays=dense_1/BiasAdd \
  --inference_type=FLOAT \
  --experimental_enable_resource_variables

3. 量化模型以减小体积（可选但推荐）：

tflite_convert \
  --saved_model_dir=./saved_model \
  --output_file=./model_quant.tflite \
  --input_shapes=1,28,28,1 \
  --input_arrays=conv2d_input \
  --output_arrays=dense_1/BiasAdd \
  --inference_type=QUANTIZED_UINT8 \
  --std_dev_values=127.5 \
  --mean_values=127.5

4. 转换为C数组：

xxd -i model_quant.tflite > model_data.cc

将生成的model_data.cc文件添加到STM32CubeMX工程的Src/目录下，并在main.c中包含：

#include "model_data.cc"

5.2 编写AI推理代码

现在在main.c中添加推理逻辑。在while(1)循环中，我们模拟从摄像头获取一帧图像（实际项目中这里会是DCMI DMA回调）：

// 假设我们有一帧28x28的灰度图像数据
uint8_t input_image[28*28];
// 这里填充实际图像数据，例如从DCMI DMA缓冲区复制

// 创建TFLite解释器
static tflite::MicroInterpreter* interpreter;
static tflite::ErrorReporter* error_reporter;
static uint8_t tensor_arena[10*1024]; // 10KB内存用于TFLite张量

// 初始化解释器
tflite::MicroMutableOpResolver<10> resolver;
resolver.AddConv2D();
resolver.AddDepthwiseConv2D();
resolver.AddFullyConnected();
resolver.AddSoftmax();

interpreter = new tflite::MicroInterpreter(
    tflite::GetModel(g_model_data), resolver, tensor_arena, sizeof(tensor_arena));
error_reporter = new tflite::MicroErrorReporter();

// 分配张量
if (interpreter->AllocateTensors() != kTfLiteOk) {
    Error_Handler();
}

// 获取输入张量
TfLiteTensor* input = interpreter->input(0);
// 将图像数据复制到输入张量
for (int i = 0; i < 28*28; i++) {
    input->data.uint8[i] = input_image[i];
}

// 执行推理
if (interpreter->Invoke() != kTfLiteOk) {
    Error_Handler();
}

// 获取输出结果
TfLiteTensor* output = interpreter->output(0);
// 寻找最大概率的类别
int max_index = 0;
uint8_t max_value = 0;
for (int i = 0; i < 10; i++) {
    if (output->data.uint8[i] > max_value) {
        max_value = output->data.uint8[i];
        max_index = i;
    }
}

// 通过UART输出结果
char result_str[32];
sprintf(result_str, "Predicted: %d, Confidence: %d%%\r\n", 
        max_index, max_value);
HAL_UART_Transmit(&huart1, (uint8_t*)result_str, strlen(result_str), HAL_MAX_DELAY);

这段代码展示了嵌入式AI的核心流程：模型加载→内存分配→数据输入→推理执行→结果解析。关键点在于tensor_arena的大小需要根据模型复杂度仔细调整，太小会导致分配失败，太大会浪费宝贵的SRAM。

5.3 性能调优与调试技巧

部署完成后，性能测试必不可少。在STM32H743上运行这个MNIST模型，典型性能数据是：

• 推理时间：约85ms（200MHz主频）
• 内存占用：约8KB权重 + 12KB激活值 + 10KB运行时内存
• 功耗：约45mA（3.3V供电）

如果性能不达标，有以下几个调优方向：

时钟优化：尝试将HCLK提升到280MHz，观察是否显著提升性能而不影响稳定性。注意监测芯片温度，过热会导致自动降频。

内存优化：如果RAM不足，可以将部分权重放在外部QSPI Flash中，使用XIP（eXecute In Place）方式直接执行。在STM32CubeMX中配置QSPI外设，然后在链接脚本中将权重段映射到外部存储器。

算法优化：CMSIS-NN提供了多种优化级别。在代码中添加编译宏可以启用更高级优化：

#define ARM_NN_TRUNCATE // 启用截断除法，提升整数运算速度
#include "arm_nnfunctions.h"

调试方面，我推荐两个实用技巧：

1. 使用STM32CubeMonitor工具实时监控内存使用情况，特别是堆栈溢出问题
2. 在关键函数前后添加GPIO翻转代码，用示波器测量实际执行时间，比软件计时更准确

6. 常见问题与解决方案

6.1 编译与链接问题排查

在实际开发中，最常见的问题是编译通过但链接失败，错误信息往往晦涩难懂。以下是几个高频问题及其解决方案：

"undefined reference to `arm_convolve_s8'"： 这表示CMSIS-NN的卷积函数未正确链接。检查两点：

• 确认在"Project Manager" → "Code Generator"中已勾选"CMSIS-NN"
• 检查链接器脚本中是否包含了CMSIS-NN库路径，通常在STM32CubeMX生成的.ld文件中应该有类似-larm_cmsisnn的链接选项

"region 'RAM_D1' overflowed by XXX bytes"： 内存溢出是最常见的问题。解决方案不是简单增加内存大小，而是分析内存使用：

• 使用arm-none-eabi-size工具查看各段大小：arm-none-eabi-size -A build/*.elf
• 重点关注.bss（未初始化全局变量）和.data（已初始化全局变量）段
• 将大型数组（如模型权重）移到特定内存段：static int8_t weights[1024] __attribute__((section(".ram_d1")));

**"multiple definition of HAL_TIM_PeriodElapsedCallback'"**： 这是由于多个文件定义了相同的回调函数。STM32CubeMX生成的代码中，HAL回调函数默认是弱定义（weak），但如果你在其他文件中也定义了同名函数，就会冲突。解决方案是在你的应用文件中使用extern "C"`声明，或者重命名你的回调函数。

6.2 运行时问题诊断

即使编译链接都成功，运行时问题依然可能悄然而至：

推理结果始终为0或固定值： 这通常意味着数据输入有问题。使用UART打印输入张量的前几个值，确认数据是否正确复制。特别注意数据类型匹配——如果模型是int8量化，输入也必须是int8，不能是uint8。

系统在推理过程中复位： 这很可能是堆栈溢出或内存越界。在main.c中添加堆栈检查：

// 在main()开始处
extern uint32_t _estack;
uint32_t *stack_ptr = (uint32_t*)&_estack;
while (*stack_ptr == 0xDEADBEEF) { // 堆栈保护区标记
    stack_ptr++;
}
// 计算剩余堆栈空间
int free_stack = (uint32_t)stack_ptr - (uint32_t)&_estack;
if (free_stack < 1024) { // 小于1KB触发警告
    HAL_GPIO_WritePin(LED_GPIO_Port, LED_Pin, GPIO_PIN_SET);
}

DMA传输数据不完整： 如果使用DMA采集传感器数据，确保在DMA完成回调中禁用中断，处理完数据后再重新使能。否则可能在处理过程中被新的DMA完成中断打断，导致数据错乱。

6.3 性能瓶颈分析方法

要真正理解系统瓶颈所在，不能只看整体推理时间。我推荐一个三步分析法：

第一步：粗略定位 使用HAL_GetTick()在推理前后打点：

uint32_t start = HAL_GetTick();
interpreter->Invoke();
uint32_t end = HAL_GetTick();
printf("Total inference time: %d ms\r\n", end - start);

第二步：模块分解 在CMSIS-NN函数调用前后添加更精确的计时：

// 使用DWT周期计数器（需要先使能）
CoreDebug->DEMCR |= CoreDebug_DEMCR_TRCENA_Msk;
DWT->CYCCNT = 0;
DWT->CTRL |= DWT_CTRL_CYCCNTENA_Msk;

DWT->CYCCNT = 0;
arm_convolve_s8(...);
uint32_t conv_time = DWT->CYCCNT;

第三步：硬件验证 使用逻辑分析仪捕获GPIO信号，将不同处理阶段映射到不同引脚：

• PA0：DMA数据准备完成
• PA1：模型输入复制开始
• PA2：CMSIS-NN卷积开始
• PA3：推理完成

这样就能直观看到每个阶段的实际耗时，找出真正的瓶颈所在。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。