18集 学习ESP32的ESP-DL深度学习教程-《MCU嵌入式AI开发笔记》
参考文档：https://docs.espressif.com/projects/esp-dl/zh_CN/latest/esp32/tutorials/index.html
使用TVM自动生成模型部署项目
本案例介绍了使用 TVM 部署模型的完整流程。 该项目基于 TVM v0.14.0 分支，处于试验状态，暂时没有进一步迭代维护的计划。目前仅对接了 ESP-DL 的 conv2d 算子，其它算子可能会引发异常。
准备
ESP-DL 是适配 ESP 系列芯片的深度学习推理框架。本库无法完成模型的训练，用户可使用 TensorFlow，PyTorch 等训练平台来训练模型，然后再通过 ESP-DL 部署模型。
具体过程是
步骤1 量化
首先将tensorflowPyTorch等训练好的模型进行转化，以 TensorFlow 平台为例，您可在脚本中使用 tf2onnx 将训练好的 TensorFlow 模型转换成 ONNX 模型格式。
之后将会对 float32 模型进行一系列操作，以便为量化做好准备。
之后用量化工具接受预处理后的 float32 模型作为输入，并生成一个 int8 量化模型。
步骤 2：部署模型
步骤 2.1：准备输入
准备一张输入图像，输入的图像大小应该与得到的 ONNX 模型输入大小一致。模型输入大小可通过 Netron 工具查看。
步骤 2.2：部署项目生成
使用 TVM 自动生成一个项目，用来运行给定输入的模型推理。
步骤 3：运行模型
步骤 3.1：运行推理
上一步生成的工程文件 new_project 结构如下：
├── CMakeLists.txt
├── components
│ ├── esp-dl
│ └── tvm_model
│ ├── CMakeLists.txt
│ ├── crt_config
│ └── model
├── main
│ ├── app_main.c
│ ├── input_data.h
│ ├── output_data.h
│ └── CMakeLists.txt
├── partitions.csv
├── sdkconfig.defaults
├── sdkconfig.defaults.esp32
├── sdkconfig.defaults.esp32s2
├── sdkconfig.defaults.esp32s3
配置好终端 ESP-IDF（请注意 ESP-IDF 的版本）环境后，即可运行项目：
idf.py set-target esp32s3
idf.py flash monitor
步骤 3.2：调试
