AI集成产品中海量数据处理的嵌入式解决方案(一)

将来的AI产品将采样海量数据，如果将数据传输到数据中心的计算机中处理，将导致整个网络难以负荷。因此，更多的公司逐项使用边缘计算来削减不断上升的数据管理成本。这款GreenWaves生产出来的GAP8植入到IoT应用的无线传感设备中，即可做到在传感器中处理数据。
这款处理器可以捕捉，分析，分类并根据丰富的数据源（例如图像，声音，雷达，红外线或震动）进行融合。
同时，GreenWaves也提供了一些工具来协助芯片的开发设计。

GAP8应用了基于RISC-V的平行超低功率（PULP）。PULP作为一个开源计算平台，向开发者提供了社区和一套完整的工具链，有助于集成商更快地开发出创新定制嵌入式解决方案。

GAP8架构：

1.IO外设用于连接捕获外界信号的装备（相机，麦克风等）和控制设备。
2.用于控制，通信和安全功能的结构控制器核心
3.8个经过结构优化的内核集群，和一个HWCE（卷积硬件加速器），可以执行矢量化和并行化算法。

GAP8中又两种级别的内存：
1.较大的二级，所有处理器和DMA单元均可访问
2.两个较小的一级，一个用于FC，另一个由所有的集群核心共享。

在开始使用板子前，我们首先要在Linux上安装SDK，SDK中提供了可以在GAP8 IoT的应用处理器上编译和运行的app。

SDK中提供了支持GAP8的所有必须的工具和OS

详细安装说明在添加链接描述

其中需要注意的是，按步骤安装时要确保Linux上执行python --version时应该是python3的版本，如果不是需要安装后，然后set一下python版本

sudo update-alternatives --install /usr/bin/python python /usr/bin/python3.4 1
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3.6 2`

之后run一下：

sudo update-alternatives --config python

然后把python3设置成默认：

sudo update-alternatives  --set python /usr/bin/python3.6

安装好sdk后我们就要开始测试板子啦~ 如果没有的话也没关系，gap_sdk里提供了一个gvsoc,这是一个虚拟平台，模拟了声音图像等采集系统，可以做simulation。如果要使用的话进入目录cd ~/gap_sdk，然后make gvsoc就可以了。

现在在gvsoc上测试一下自己之前的配置是否成功了：

虚拟平台还可以转储VCD轨迹，该轨迹显示随时间变化的几个组件的状态，例如内核的PC（程序计数器），DMA传输等。与指令轨迹相比，它提供了更好的概览。
这里选择vcd激活，一旦平台运行，它将在build文件夹中生成一个名为all.vcd的VCD文件， 该文件是包含所有信号值的原始文件。
另一个名为view.gtkw的文件已生成，可以使用GTKwave打开。 这是一个脚本文件，它将使用最有趣的信号设置视图。 启用VCD跟踪时，将在模拟开始时显示要执行的命令。

cd ~/Downloads/gap_sdk/examples/pmsis/helloworld
make clean all run platform=gvsoc runner_args="--vcd"

如果在板子上运行：

make clean && make PMSIS_OS=freertos platform=board io=host all -j && make platform=board io=host run

然后就能看到输出了：

*** PMSIS HelloWorld ***

     Entering main controller
     [32 0] Hello World!
     Cluster master core entry
     [0 7] Hello World!
     [0 0] Hello World!
     [0 4] Hello World!
     [0 5] Hello World!
     [0 3] Hello World!
     [0 1] Hello World!
     [0 2] Hello World!
     [0 6] Hello World!
     Cluster master core exit
     Test success !
     Detected end of application, exiting with status: 0
     Loop exited
     commands completed

关于这里的option,可以在添加链接描述

第二章讲一下如何在板子上如何训练一个模型

本文地址：https://blog.csdn.net/weixin_39852636/article/details/109471420