i.MX RT6xx
RT6xx 是一个跨界 MCU 系列，是一款突破性产品，结合了 MCU 和 DSP 的最佳功能，适用于超低功耗安全机器学习 (ML)/人工智能 (AI) 边缘处理、性能密集型远场语音和沉浸式 3D 音频播放应用。图 1 是 i.MX RT600。
它由一个运行速度高达 300 MHz、具有 32KB FlexSPI 缓存的 Cortex-M33 内核和一个可选的运行速度高达 600MHz、具有 96KB DSP 缓存和 128KB DSP TCM 的 HiFi4 DSP 组成。它还包含 PowerQuad 协处理器中的加密引擎和 DSP/Math 加速器。该设备具有 4.5MB 片上 SRAM。主要功能包括丰富的音频外设、带 PHY 的高速 USB 和先进的片上安全性。有一个 Flexcomm 外设支持多种 UART、SPI、I2C、I2S 等的配置。
图1
创建 eIQ（TensorFlow Lite 库）演示
在最新版本的 SDK 中 i.MX RT600，它仍然不包含有关机器学习（ML）/人工智能（AI）的演示，因此需要开发人员自己创建这种演示。
为了实现它，将 eIQ 演示从 i.MX RT1050/1060 至 i.MX RT685 是最快的方法。下面介绍创建 eIQ（TensorFlow Lite 库）演示的步骤。
创建一个新的 C++ 项目
- 安装 SDK 库
图2
- 使用已安装的 SDK 部分创建新的 C++ 项目
在 MCUXpresso IDE 用户指南，第 5 章使用已安装的 SDK Part Support 创建新项目介绍了如何创建新项目，请参阅该指南以了解详细信息
移植 tensorflow-lite
- 将 tensorflow-lite 库复制到目标项目
将TensorFlow-lite库对应文件复制到目标项目
图3
- 添加上述文件的路径
图4
图5
图6
移植主要代码
main() 代码来自该帖子： TensorFlow Lite 的“Hello World”
测试
在 MIMXRT685 EVK板 （图7），我们通过串行端口记录输入数据：x_value和推断的输出数据：y_value（图8）。
图8
此外，我们使用 Excel 将接收到的数据与我们的实际值进行对比显示，如下图所示。
图9
总的来说，它复制了TensorFlow Lite 的“Hello World”的结果
故障排除
- 默认情况下，创建的项目不支持打印浮动，因此需要通过添加以下符号来启用此功能（图10）。
图10
- 当执行神经网络时，某一层的结果会被输入到后续操作中，因此必须保留一段时间。这些激活层的生命周期取决于它们在图中的位置，每个激活层所需的内存大小由层写入的数组形状控制。这些变化意味着需要随着时间的推移计算一个计划，以便将所有这些临时缓冲区放入尽可能小的内存区域中。目前，这是在解释器首次加载模型时完成的，因此如果内存区域不够大，您就会看到崩溃事件发生。
就此应用演示而言，默认堆大小为 4 KB，显然，它不足以存储模型的输入、输出和中间张量，因为代码将卡在硬故障中断函数处（图 11）。
图11
那么，我们应该分配多大的堆区域呢？这是个好问题。不幸的是，没有简单的答案。不同的模型架构具有不同的输入、输出和中间张量的大小和数量，因此很难知道我们需要多少内存。
这个数字不需要精确——我们可以保留比我们需要的更多的内存——但由于微控制器的 RAM 有限，我们应该尽可能地保持它很小，以便为我们的其余程序留出空间。
我们可以通过反复试验来做到这一点。对于此应用程序演示，在将堆大小增加到之前的十倍后，代码仍然运行良好（图 12）。
图12