1.项目练手 | 全国大学生嵌入式大赛华为海思赛道嵌入式物联网应用方向（含文档及源码）
2.海思麒麟和高通骁龙的海思海思区别是什么？
3.海思3518E wifi移植介绍
4.海思芯片AI模型转换环境配置(MindStudio+ATC)

项目练手 | 全国大学生嵌入式大赛华为海思赛道嵌入式物联网应用方向（含文档及源码）

       在大学生嵌入式系统设计大赛中，众多参赛者在激烈竞技中碰撞智慧火花。源码为了助你脱颖而出，教程我们聚焦华为海思赛道，海思海思以官方推荐的源码华清远见Hi鸿蒙开发板为核心，精选出实战性强的教程游戏语音app源码练手项目。这些项目不仅适合比赛，海思海思也适合教学和个人学习，源码包括语音控制智能小车、教程智能农业、海思海思智能安防警报等，源码每个项目均配备详尽的教程开发文档和源码。

       语音控制智能小车通过离线语音模块实现小车控制，海思海思如前进、源码后退、教程转向，还能获取小车状态并播报，你可以借此开发个性化的语音助手。硬件平台包括鸿蒙小车套餐。

       智能农业项目则包含NFC配网、温湿度自动灌溉控制，通过小程序进行操作，tpshop小程序源码显示实时数据。基础开发平台为Hi鸿蒙开发板。

       智能安防警报项目具备一键报警和NFC配网功能，小程序端可控制警报和状态显示，同样基于Hi开发板。

       其他项目如智能照明灯、测距仪、温度计、倒车雷达等，均集成超声波传感器和OLED显示屏，实现物联网功能。智能小车则涉及微信小程序控制、电机驱动和自动功能，使用鸿蒙智能小车豪华套餐。

       还有智能垃圾桶和指纹锁，分别实现人体感应和指纹识别。智慧农业安防则关注火焰、可燃气体、CO2和TVOC检测。4G模块通信控制小车则支持远程控制和数据上传。

       华清远见的java忘记密码源码FS-Hi物联网开发板，搭载华为海思Hi芯片，具备丰富的传感器、执行器和扩展模块，以及配套教程和项目案例，为你的学习和参赛提供了强大支持。关注“华清远见在线实验室”获取更多资源。

海思麒麟和高通骁龙的区别是什么？

       对于海思处理器与高通骁龙处理器，华为海思的处理器的基带没有问题，相比还是业界领先的技术。而AP有点问题，性能略落后；

       麒麟优点就是功耗控制，跟联发科一样，而缺点cpu是集成的跟高通都不是一个层面的东西，

       玩大型游戏兼容性会差一点因为没有针对麒麟处理器的解码包出来。

       在麒麟之前，华为的处理器总让人觉得中规中矩，不是不好，确实离我们心目中的旗舰处理器有一定距离。并且，一直以来其GPU部分都是短板，所以不太适合大型游戏爱好者。heighlight.js 源码

       但用上ARM Mali-G后，麒麟在GPU方面有大幅升级，综合性能已经超过了骁龙，基本可以满足任何用户的需求。这固然是好事，但要泼冷水的是麒麟作为大迭代版本，其真正的竞争对手应该是今年的骁龙，而非骁龙。所以这华为海思处理器属于中高端领域，因此适合那些对手机性能要求较高，但又没有极致追求的用户。麒麟处理器还将在制程工艺和GPU性能上有更高的发挥空间，只是目前的麒麟还没有做到。

       说到骁龙处理器，我们都是又爱又恨。爱当然是爱它的性能强悍，尤其是旗舰处理器的GPU性能在安卓领域是一骑绝尘，骁龙就成为了去年%旗舰机的标配。如果你爱玩安卓大型游戏，最好就买高通旗舰处理器。

       另外，免费登录页源码高通的全网通在业内也是比较出名的，三星旗舰几代国行用高通就是这个原因。还有，高通在刷机界的地位也是非常高的，高通机型的第三方ROM资源非常丰富，因为它的源码都是开放的，很多移植方面的工作也是比较容易进展的。

       当然，恨的地方也不少。首先发热控制一般，虽说去年已经好很多，但前两年的骁龙据说可以煮熟鸡蛋。其次稳定性一般，曝光漏洞的新闻都出了几次，民间甚至还有app检测骁龙手机是否有漏洞。

       目前骁龙处理器的基本格局是系列旗舰，系列高端，系列中端，系列低端。市面上比较多的还是和系列，前者代表有骁龙、，适合听听歌刷刷微博等中轻度使用；后者有、，今年出来的等，更适合喜欢玩大型游戏的用户使用。

海思E wifi移植介绍

       海思E WiFi移植详解

       海思E WiFi移植主要涉及三个关键步骤：驱动移植、Wpa_supplicant移植以及根据连接情况调整E配置。

       首先，驱动移植需要完成内核编译，确保wifi驱动能够作为模块加载。需使用合作方提供的源代码包，包括bcmdhd.1....x.7z、fw_bcma1.bin和nvram.txt。解压代码并将其拷贝至内核目录下的kernel/drivers/net/wireless/bcmdhd。在kconfig文件中添加对bcmdhd驱动的支持，并在Makefile中加入相应的配置指令。经过这一系列的步骤，即可在内核配置中选择启用此驱动。确保编译命令中包含正确的架构和交叉编译工具。编译完成后，将得到bcmdhd.ko驱动模块与uImage内核文件，二者需配套使用。

       其次，Wpa_supplicant移植用于与无线路由器连接，通常需依赖openssl进行加密操作。使用wpa_supplicant-2.9.tar.gz版本和openssl-OpenSSL_1.1.0l.tar.gz版本。注意不同版本间的兼容性问题。按照wpa_supplicant的README文件指示进行编译，修改配置文件以适应交叉编译环境和openssl的库目录。编译后，将得到wpa_supplicant和wpa_cli两个应用。对wpa_supplicant进行优化以减小其体积至2M以内，然后将其加载至板子上进行测试。

       最后，根据连接E的实际情况调整配置。由于使用SDIO接口，需在E端采用inband模式。参考原理图和相关文档，修改与E连接相关的硬件配置，包括修改寄存器设置、初始化GPIO等操作，以确保与WiFi设备的正确连接。加载驱动模块并进行接口配置，例如使用insmod命令加载驱动时，指定适当的firmware_path和nvram_path。

       通过以上步骤，成功地实现了海思E WiFi的移植，确保了其在目标系统中的正常运行和无线网络连接功能。

海思芯片AI模型转换环境配置(MindStudio+ATC)

       在配置海思芯片AI模型转换环境时，直接在服务器上安装配置可能引发冲突，因此推荐在Docker环境中部署转换工具，以确保良好的隔离性，避免不同开发环境间的相互影响。以下是在Ubuntu容器中部署海思芯片模型转换相关工具的步骤：

       首先，拉取Ubuntu .的Docker镜像，检查当前已有的镜像。

       然后，创建一个容器并运行，该容器将提供可视化界面，便于操作。

       部署CANN环境，为后续使用海思芯片做好硬件准备。

       安装MindStudio，这是一个用于AI模型开发和调试的集成开发环境。

       接下来，安装模型压缩量化工具（如caffe），用于优化模型大小与性能。

       部署caffe框架，确保与MindStudio的兼容性。

       安装Caffe源代码增强包，扩展caffe的功能与性能。

       执行量化操作，通过caffe优化模型的精度与运行效率。

       模型转换采用图形开发方式与命令行开发方式，灵活适应不同需求。

       完成模型转换后，进行板端程序编译，确保模型可在海思芯片上正确运行。

       同步推理过程，验证模型转换效果。

       如果需要，安装模型压缩量化工具（如pytorch），并执行量化操作，以进一步优化模型。

       参考《模型压缩工具使用指南（PyTorch）.pdf》中第3章内容，深入了解PyTorch量化操作。

       配置aiitop sample打包环境，为模型部署做准备（可选）。

       容器中配置SSH连接，实现远程访问与管理（可选）。

       容器导出镜像，方便在不同环境中复用（可选）。

       遇到问题时，查阅FAQ寻求解决方案。

       本文使用Zhihu On VSCode完成撰写与发布。