MAX78000板卡介绍

简单介绍板卡，主要特点是边缘AI应用，此SoC中最独特的功能是神经网络加速器，它内部是集成了专用硬件，能在最大程度地减少卷积神经网络（CNN）的能耗和等待时间。更多的介绍可以在电子森林搜索MAX78000查到更多详细信息，这里就不展开介绍。

项目思路

先说说应用场景与想法

对于一些针对电路板的长时间的可靠性测试，往往需要监控电流或者电压参数，以记录测试样品的状态。数据记录仪虽然可以实现连续的长时间监控，但如果我只需要某几个特定状态下(U_max， U_min， T_max，T_min  的相互组合)的电流数据，有什么办法可以让我直接跳过，从一大堆监控数据里面挑选特定数据呢？

我的想法是利用视觉识别的方法，像人工记录数据那样，在测试条件达到某些特定状态的时候，通过对万用表的读数进行拍照，识别并记录下来，输出成一个电子文档，那将会有效地提高效率：不用人工记录，也不用费事将记录表输到电子表格，还节省了记录要用的纸张。

所以本项目想要做的是，利用MAX78000FTHR板卡上的摄像模组对万用表读进行拍照，用LED灯来表征是否需要拍照（亮绿灯表示需要拍照记录数据，亮红灯表示不需要拍照记录数据）

准备工作

0.基本概念

既然是涉及到AI开发， 那首先是要对开发流程有基本了解。边缘设备AI应用开发的流程：

开发环境搭建->模型训练->模型量化->模型转换->模型部署。

1.环境安装

根据群友的指导，我是参考微信公众号的环境搭建指导进行安装。Link

一般来说比较推荐linux开发，我第一次接触linux也是因为 funpack第一季第一期，还算有点基础，所以我选择了用linux的环境进行模型训练。进行模型训练，硬件上是需要GPU，算力越强越好。除此以外，软件则需要安装以下：

• CPU：64 位 amd64/x86_64 “PC”，带有Ubuntu Linux 20.04 LTS

• 用于硬件加速的 GPU（可选）：Nvidia with CUDA 11

• Python 3.8.11 上的PyTorch 1.8.1 (LTS)。 （初期是支持 TensorFlow / Keras，但现在只支持 pytorch。TensorFlow / Keras支持已被弃用）

Ubuntu 的安装，网上有很多教程，有必要提醒的是：需要安装Windows子系统Linux（WSL2）后，Ubuntu Linux 20.04可以在Windows内部使用，并具有完整的CUDA加速，我是直接在微软的应用商店下载的。

CUDA，可以从NVIDIA控制面板查到自己显卡的CUDA数量，才能了解这个CUDA数量等级训练一个模型需要多长（其实我自己也没有这个概念...）

PyTorch，显然也就需要Python 环境，而且官方需要Python 3.8.x。

（待续。。。）