NanoEdgeAIStudio学习

用NanoEdgeAIStudio学习了一下怎么训练数据

第一步先创建一个查找异常数据的工程，选择自己的数据的维度，我这里是三维的数据，选的是F4的芯片，选择好自己FLASH和RAM大小，但我这里只是测试如何训练数据，就没管这个大小

第二步 添加正常和异常的数据，这里我是利用python生成的测试数据
代码

import numpy as np

def generate_axis_samples(mean, std, num_samples=256):
    """生成单个轴的256个样本值"""
    samples = np.random.normal(loc=mean, scale=std, size=num_samples)
    return [f"{min(max(int(abs(x)*1000), 0), 999):03d}" for x in samples]

# ================= 生成 z3.csv =================
with open('z3.csv', 'w') as f:
    # 生成120个样本（100正常 + 20异常）
    for i in range(120):
        # 前100个为正常数据
        if i < 100:
            # 生成3个轴的数据（每个轴256个样本）
            axis1 = generate_axis_samples(0.1, 0.02)
            axis2 = generate_axis_samples(0.1, 0.02)
            axis3 = generate_axis_samples(0.1, 0.02)
        # 后20个为异常数据
        else:
            axis1 = generate_axis_samples(0.5, 0.1)
            axis2 = generate_axis_samples(0.5, 0.1)
            axis3 = generate_axis_samples(0.5, 0.1)
        
        # 合并三个轴的数据
        combined = ' '.join(axis1 + axis2 + axis3)
        f.write(combined + '\n')

这里要安装numpy库，这个很简单，在VS Code的终端里面输入pip install numpy，就会自行安装，但是速度很慢，可以打开梯子，就很快，这个代码可以改，改成生成正常数据和异常数据，然后把文件导入到NanoEdgeAIStudio；

第三步，NanoEdgeAIStudio工具会自动选择训练模型，这里会根据第一步选择的RAM和FLASH的大小会删除一些模型，经过一段时间会选出最优的模型，可以提前停止，不需要运行完

第四步，验证模型是否满足使用，这里就可以用代码生成一段数据，里面有正常和异常的数据，进行测试，我用了一段测试学习数据，里面有正确的数据也有异常的数据，然后通过测试，正确率是100%，在用这模型之前要先学习20条数据，

进行数据测试，通过模拟串口测试

我有两个模拟端口，是连在一起的，然后通过XCOM发数据，进行测试

XCOM的多条发送，五条数据有一组是异常的

测试结果没啥问题，实验成功，但是后面如何部署到STM32中，我还没学习。