EEPW论坛

测评1： 【MAX78000FEATHERBOARD】开箱与Eclipse环境搭建 

测评2：【MAX78000FEATHERBOARD】TFT屏幕驱动

本次分享的是如何快速的训练关键词，目前期待识别的是：开灯和关灯。用于后面控制LED灯管的亮灭。 

首先是数据集的准备。目前使用的是Python程序编写的一个脚本，点击开始录制，自动捕获1s音频。可以点击播放录音，满意后再保存。为了减少音频准备时间，脚本里添加了噪声等，可以快速生成额外99个音频。

总共：

训练与综合：

官方git有详细的指导，大致流程如下：

本次进行的开关灯关键词的训练也是在官方的KWS20的基础上：

原来是200个Epoch，我改成了50个，最终效果还可以。

训练完成后的混淆矩阵：

为了下一步进行量化，需要把如下的qat_best.pth.tar文件拷贝到ai8x-synthesis的一个目录下，可以自定义目录。

调用quantize.py脚本进行量化，目的是把32位浮点型权重变为8位定点数据。

量化后，可以再次回到ai8x-training，进行量化后的评估。

评估结果如下：

最后一步就是使用ADI提供的工具，把模型转换位C代码，方便后续在单片机MAX78000上进行部署。

量化后的重要文件：cnn.c cnn.h weights.h

把这三个文件从Linux环境下拷贝到Eclipse的kws20项目下覆盖原来文件即可。

总结：

ADI提供了完善的文档与工具来进行数据训练、量化与部署。可以快速验证方案原型。