很荣幸能有机会参加硬禾与ADI联合举办的本次智能边缘计算设计大赛，让我能够有机会使用这个款新的MAX78000的羽毛板来展开一些关于CNN机器学习相关内容的尝试。至此，项目已至中期，对我的工作内容和进度进行整理和总结。
首先，感谢 @HonestQiao|乔楚 @aramy @汤半泛 与其他在交流群中为我答疑解惑的大佬们，没有大家的帮助和群里积极的学习氛围，我也很难坚持下去，一起加油吧。
在前半段比赛过程中，我的主要工作内容集中在开发环境的配置和熟悉板卡，并对于本项目进行了部分工。具体内容如下：
最近事情也比较多，因此在此只放一些重点内容，更多以图片为主。
关于我的项目：
因为自己前段时间也在研究一点关于传感器的课题，因此其实想做一个运动识别类的题目。但是奈何最近疫情形势严峻，我们学校封宿舍无法外出，传感器在实验室无法取得，因此难以自己进行训练集德采集等工作。经过较长时间的等待，疫情仍未好转，项目进度受到了严重耽搁。
为了能够使得项目得以继续，被迫在中期先改变题目为静态手势识别。这是一个图像分类的较为经典的题目，因此在网上有较多现成的数据集得以使用。同时采集自己的数据集也较为方便，仅通过拍照即可实现。目前已从一些公开数据集网站中下载了部分手势相关数据集，正在进行挑选工作。
公开的训练数据集 供参考：
Datasets — Torchvision 0.14 documentation (pytorch.org)
awesomedata/awesome-public-datasets: A topic-centric list of HQ open datasets. (github.com)
同时也在自己准备一些数据集打算进行尝试，如下：
若疫情有所好转，会考虑变换题目回到运动识别类题目。
历程项目探索：
TFT_Demo
因为我购买的是带有cs片选信号线和ble背光信号线的tft显示屏，因此在配置时需要添加这两个信号线的初始化。
mxc_gpio_cfg_t tft_reset_pin = {MXC_GPIO0, MXC_GPIO_PIN_19,MXC_GPIO_FUNC_OUT, MXC_GPIO_PAD_NONE, MXC_GPIO_VSSEL_VDDIOH};
mxc_gpio_cfg_t tft_blen_pin = {MXC_GPIO0, MXC_GPIO_PIN_9,MXC_GPIO_FUNC_OUT, MXC_GPIO_PAD_NONE, MXC_GPIO_VSSEL_VDDIOH};
MXC_TFT_Init(MXC_SPI0, 1, &tft_reset_pin, &tft_blen_pin);
CameraIF
在配置时需要仔细调整里面关于enableTFT和enableStream的选项。
该例程画面刷新的速度异常缓慢，仅能有2FPS。但经过我个人的一些测试，基本认定是由于显示器刷新速度慢造成的，而非摄像头捕获速度慢。
CNN_kws20_v3
尝试部署了该CNN模型，这是一个语音分类的模型，可以看到它可以正常识别目标词汇。
CNN_cats_dogs
这是一个图像分类的模型，仅能区分猫和狗，由于疫情封校，仅能拿一些图片进行尝试，可以看到还是蛮准确的。
尝试机器学习
kws20_v3
在训练过程中，似乎GPU的使用率较低，推测是并没有合理的进行配置，由于这次训练仅是通过允许脚本开始，并未来得及仔细研究代码。因此该问题保留，后续会进行研究。
训练成功 耗时5h
aramy
lxb
Lucia