ZHDA204A June   2026  – October 2026 MSPM0G5187

 

  1.   1
  2.   摘要
  3.   商标
  4. 1 简介
  5. 2 带 TinyEngine NPU 的 MSPM0G5187
  6. 3 边缘 AI 工具链
    1. 3.1 TI Edge AI Studio
    2. 3.2 TI Tiny ML Tensorlab
    3. 3.3 TI 神经网络编译器
  7. 4 通过 TI Edge AI Studio 进行快速原型设计
    1. 4.1 工程设置
    2. 4.2 数据采集
      1. 4.2.1 硬件设置
      2. 4.2.2 特征概述
    3. 4.3 数据导入
      1. 4.3.1 分类任务
      2. 4.3.2 回归任务
      3. 4.3.3 预测任务
      4. 4.3.4 注释列表
    4. 4.4 数据注释
    5. 4.5 模型训练
      1. 4.5.1 训练参数
      2. 4.5.2 工具链依赖项
    6. 4.6 性能报告
    7. 4.7 模型导出
  8. 5 通过 TI Tiny ML Tensorlab 进行高级开发
    1. 5.1 环境设置
    2. 5.2 数据采集
      1. 5.2.1 数据检索
      2. 5.2.2 数据验证
    3. 5.3 模型架构迭代重构
      1. 5.3.1 基线实现
      2. 5.3.2 使用 PyTorch 内置模块进行重构
      3. 5.3.3 数据管道优化
      4. 5.3.4 过渡到 CNN 架构
    4. 5.4 模型导出
    5. 5.5 量化感知训练
    6. 5.6 模型编译
  9. 6 边缘 AI 应用:数字识别
    1. 6.1 LeNet-5 变体 CNN 模型
    2. 6.2 NPU/CPU 性能比较
  10. 7 边缘 AI 应用:波形分类器
    1. 7.1 特征提取
    2. 7.2 时序分类模型
    3. 7.3 模型内存注意事项
    4. 7.4 NPU/CPU 性能比较
  11. 8 总结
  12. 9 参考资料
  13. 10修订历史记录

TI 神经网络编译器

TI 神经网络编译器 (NNC) 是 TI 为 MCU 器件开发的嵌入式 AI 编译工具链,基于 TVM 编译框架构建。TI NNC 通过简单的编译配置,可灵活地将 AI 模型部署到硬件 NPU 加速器或主机 CPU 上,无需对应用程序代码或模型端进行任何修改。推理功能始终通过统一接口调用,使开发者无需深入了解底层硬件架构,即可将 AI 推理集成到嵌入式应用中。
表 3-2 NPU/CPU 部署配置比较
目标部署 配置符号 初始化需求 调用推理
主机 CPU TVMGEN_DEFAULT_TI_NPU_SOFT 是的,在推理之前初始化 NPU tvmgen_default_run()
硬件 NPU TVMGEN_DEFAULT_TI_NPU 否

要为 MSPM0 系列编译模型,请配置您的环境并执行如下所示的 TVMC 编译命令。

Linux® / macOS

export ARM_CGT_PATH=/path/to/ARM-CGT
export PATH=$ARM_CGT_PATH/bin:$PATH
export TIARMCLANG_OPTIONS_M0="-Os -mcpu=cortex-m0plus -march=thumbv6m -mtune=cortex-m0plus -mthumb -mfloat-abi=soft -I. -Wno-return-type"
tvmc compile --target="c, ti-npu type=soft" --target-c-mcpu=cortex-m0plus ./model.onnx -o artifacts_m0/mod.a --cross-compiler="tiarmclang" --cross-compiler-options="$TIARMCLANG_OPTIONS_M0"
Windows® Git BASH
export ARM_CGT_PATH="\path\to\ARM-CGT"    # e.g. "C:\\ti\\ti-cgt-armllvm_4.0.3.LTS"
export PATH=$ARM_CGT_PATH\\bin:$PATH
export TIARMCLANG_OPTIONS_M0="-Os -mcpu=cortex-m0plus -march=thumbv6m -mtune=cortex-m0plus -mthumb -mfloat-abi=soft -I. -Wno-return-type"
tvmc compile --target="c, ti-npu type=soft" --target-c-mcpu=cortex-m0plus ./model.onnx -o artifacts_m0/mod.a --cross-compiler="tiarmclang" --cross-compiler-options="$TIARMCLANG_OPTIONS_M0"
Windows PowerShell
$env:ARM_CGT_PATH="\path\to\ARM-CGT"      # e.g. "C:\\ti\\ti-cgt-armllvm_4.0.3.LTS"$env:PATH=$env:ARM_CGT_PATH + "\bin;" + $env:PATH $env:TIARMCLANG_OPTIONS_M0="-Os -mcpu=cortex-m0plus -march=thumbv6m -mtune=cortex-m0plus -mthumb -mfloat-abi=soft -I. -Wno-return-type"
tvmc compile --target="c, ti-npu type=soft" --target-c-mcpu=cortex-m0plus .\model.onnx -o artifacts_m0/mod.a --cross-compiler="tiarmclang" --cross-compiler-options="$env:TIARMCLANG_OPTIONS_M0"
提示: 如果用户不需要二进制输出(例如,仅生成 C 代码时),则不需要 ARM Clang 编译器。可以忽略命令中的交叉编译器参数。
如需更多信息,请参阅适用于 MCU 的 TI 神经网络编译器用户指南。