-
基于MCU的轻量级AI推理：TFLite Micro移植与模型量化实操
MCU端跑AI推理（如STM32G4、ESP32-S3、CH32V307等）的主流方案是Google的TensorFlow Lite Micro（TFLite Micro）——它能在无OS、无动态内存分配的环境下运行，模型以C数组形式编译进固件。但浮点模型直接塞进MCU既不现实（体积大、无FPU时速度慢），所以要走"训练后全整数量化（int8）→C数组→TFLite Micro解释器"的标准路径。下面以关键词识别（KWS）模型部署到STM32G431（170MHz Cortex-M4，32KB SRAM）为例。
