乐鑫公司的ESP32芯片也可以AI加速啦！主要介绍三种，ESP-DSP是计算加速库

ESP-NN是深度学习加速库 

TensorFlow Lite Micro for Espressif Chipsets是AI人工智能框架

ESP-DSP

ESP-DSP is the official DSP library for all Espressif chips. The library contains optimized functions for ESP32, ESP32-S3 and ESP32P4 chips.

GitHub - espressif/esp-dsp: DSP library for ESP-IDF

ESP-DSP库包括以下功能的实现：

• Matrix multiplication 矩阵乘法: reference
• Dot product 点乘？: reference, example
• FFT: reference, example
• IIR: reference, example
• FIR: reference
• Vector math operations 矢量数学运算: reference
• Kalman filter 卡尔曼滤波器: reference

ESP-NN

GitHub - espressif/esp-nn: Optimised Neural Network functions for Espressif chipsets

The library contains optimised NN (Neural Network) functions for various Espressif chips.

• Supported platforms:

  • TensorFlow Lite Micro (TFLite Micro). Repo can be found here

• Supported ESP chips include:

  • ESP32-S3 (Assembly versions optimised to benefit from vector instructions of ESP32-S3)
  • ESP32 (Generic optimisations)
  • ESP32-C3 (Generic optimisations)

 对S3的加速效果非常明显：

Kernelwise performance on ESP32-S3 chip

• Numbers are ticks taken for kernel to execute
• Chip config: 240MHz, SPI: QPI 80MHz, Data cache: 64KB

可以看到 对ESP32-S3的加速非常明显，conv加速7倍左右，relu6加速10倍左右

TensorFlow Lite Micro for Espressif Chipsets

GitHub - espressif/esp-tflite-micro: TensorFlow Lite Micro for Espressif Chipsets

请介绍下:TensorFlow Lite Micro for Espressif Chipsets

TensorFlow Lite Micro for Espressif Chipsets 是一个针对乐鑫芯片集（Espressif）的系列芯片（例如 ESP32 和 ESP8266）的 TensorFlow Lite 微控制器框架。TensorFlow Lite 是一个由 TensorFlow 团队开发的库，旨在为移动设备或嵌入式设备提供机器学习能力。TensorFlow Lite Micro 是 TensorFlow Lite 的一个轻量级版本，专门为资源有限的设备（如微控制器）而设计。

特性：

• 适用于微控制器的轻量级机器学习。

• 支持神经网络推断，无需完整的操作系统。

• 使用 Espressif 的开发板和芯片进行快速原型设计和测试。

使用 TensorFlow Lite Micro for Espressif Chipsets 的基本步骤：

1. 安装必要的软件和工具，如 ESP-IDF 和 TensorFlow。

2. 为目标硬件创建或转换一个 TensorFlow Lite 模型。

3. 使用 ESP-IDF 创建一个项目，并集成 TensorFlow Lite Micro 库。

4. 移植模型到目标硬件上，并进行编译和烧录。

在ESP-NN的加持下，速度飞快：

A quick summary of ESP-NN optimisations, measured on various chipsets: