# CH585M_TFLite_sin

**Repository Path**: createskyblue/CH585M_TFLite_sin

## Basic Information

- **Project Name**: CH585M_TFLite_sin
- **Description**: CH585M TFLite Micro sin Demo
- **Primary Language**: C++
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-08-06
- **Last Updated**: 2026-08-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# CH585M TFLite Micro sin Demo

TensorFlow Lite Micro 移植到 WCH CH585M 跑 sin 函数拟合 demo。

想象一下：一个几块钱的 MCU，不需要网络、不需要 Linux、不需要 MPU，就能本地运行神经网络——关键词唤醒、手势识别、振动异常检测、传感器数据拟合。设备端推理意味着**零延迟、离线可用、数据不出设备、功耗低到可以用电池跑几年**。

这就是 TensorFlow Lite Micro（TFLM）要做的事。它是 TensorFlow Lite 的微控制器分支，目标是在只有几十 KB RAM、几百 KB Flash 的芯片上跑 AI 推理。它把底层依赖压缩到了极致：无操作系统、无动态内存、无文件系统，纯静态 arena 分配。

WCH CH585M 是一颗只要几块钱的 RISC-V 芯片——448KB Flash、128KB RAM，带 BLE。如果能在它上面跑 TFLM，就意味着一大批低成本 RISC-V 设备都有了边缘 AI 的可能性。

## 相关文章

- [边缘AI 在 WCH CH585M 上移植 TFLite Micro](https://createskyblue.github.io/posts/ch585m-tflite-micro-sin-demo) — 详细移植过程、文件清单、IDE 配置
- [ESP32-S3 上使用 ESP-NN 加速 TFLite Micro sin 推理](https://createskyblue.github.io/posts/esp32s3-esp-nn-sin-demo) — sin 模型的训练过程

## 硬件

| 项目 | 说明 |
|------|------|
| MCU | WCH CH585M（RISC-V RV32IMC，448KB Flash，128KB RAM） |
| 串口 | UART0 — PA14 (TX) / PA15 (RX) @ 115200 |
| 工具链 | MRS2 IDE + RISC-V GCC 12.2.0 |

## 串口接线

```
USB-TTL     CH585M
-------     ------
RX    ←     PA14 (TX)
TX    →     PA15 (RX)
GND   —     GND
```

## 工程结构

```
CH585M_TFLite_sin/
├── src/main.cc              # demo 主程序
├── model_data.h             # sin 模型 (2.3KB, 嵌入为 C 数组)
├── tflite_port/             # 平台抽象层（3 个文件）
│   ├── debug_log.cc         # DebugLog 输出
│   ├── system_setup.cc      # 初始化（空，在 main 完成）
│   └── micro_time.cc        # 计时器桩
├── tensorflow/              # TFLite Micro 核心（精简，仅保留所需）
├── third_party/             # 第三方头文件（flatbuffers, gemmlowp, ruy）
├── Startup/                 # 启动代码
├── StdPeriphDriver/         # CH58x HAL 驱动
├── RVMSIS/                  # RISC-V CMSIS 头文件
├── Ld/Link.ld               # 链接脚本
└── Makefile                 # 命令行构建（可选）
```

## 模型信息

| 属性 | 值 |
|------|-----|
| 输入 | 1× float32 (`x`) |
| 输出 | 1× float32 (`sin(x)`) |
| 算子 | FullyConnected → Tanh → Reshape |
| 大小 | 2,380 bytes |

## 内存占用

```
  text     data      bss      dec
97,204    2,864    8,280  108,348  (~106KB)
```

| 区域 | 大小 | 使用率 |
|------|------|--------|
| Flash (448KB) | ~98KB | 22% |
| RAM (128KB) | ~11KB | 8.5% |

8KB bss 中主要包含 `tensor_arena` 静态内存池。

## 构建

### MRS IDE（推荐）

1. 打开 MRS2 → 刷新工程
2. 点击 Build
3. 烧录到 CH585M

### 命令行

```powershell
$env:Path='C:\MounRiver\MounRiver_Studio2\resources\app\resources\win32\components\WCH\Toolchain\RISC-V Embedded GCC12\bin;C:\mingw64\bin;' + $env:Path
mingw32-make -j8 all
```

## 移植要点

TFLite Micro 移植只需实现 3 个平台抽象函数 + 配置编译选项：

| 函数 | 文件 | 说明 |
|------|------|------|
| `DebugLog()` | `tflite_port/debug_log.cc` | printf 已重定向到 UART |
| `InitializeTarget()` | `tflite_port/system_setup.cc` | 空实现，时钟在 main 初始化 |
| `GetCurrentTimeTicks()` | `tflite_port/micro_time.cc` | 桩，profiling 使用 |

编译选项要点：

```makefile
-std=gnu++17
-fno-exceptions -fno-rtti -fno-threadsafe-statics
-DTF_LITE_STATIC_MEMORY           # 禁用动态内存
-DTF_LITE_USE_GLOBAL_CMATH_FUNCTIONS  # 嵌入式 C++ math
-DDEBUG=0                         # printf → UART0
```

## 输出

![串口输出截图](img/PixPin_2026-07-05_07-43-20.jpg)