调试工具选择：IAR EWARM与C-SPY在Deep CNN Imagenet分类中的应用

本资源主要讨论的是使用深度卷积神经网络进行ImageNet分类的调试工具选择，特别是针对IAR EWARM集成开发环境（IDE）和C-SPY调试器的应用。调试过程涉及将预训练的demo.d79文件下载到目标系统MCU（如LM3Sx9xx系列）的Flash或RAM中，这个过程通常通过Flash Loader程序实现，如图3.40所示。 首先，下载页面设置非常重要，用户需选择"Verify download"和"Use flash load"选项来确保正确下载。对于LM3Sx9xx系列的MCU，因为已经在General Options中指定了目标设备，所以EWARM自带了对应的Flash Loader。如果使用的是未在EWARM Device清单中的其他MCU，开发者需要自行编写或找到相应的Flash Loader。 C-SPY调试器作为关键组件，其与Flash Loader之间的交互涉及到调试流程的执行，这部分内容会在Flash Loader Guide中详细介绍。然而，由于篇幅限制，此处没有深入探讨。用户可以通过查阅相关文档获取这些技术细节。 在实际开发中，使用IAR EWARM IDE是必不可少的，它支持C/C++编程，并且包含了LMLINK调试器。安装步骤包括下载并安装IAR EWARM，以及安装与其兼容的LMLINK驱动和流明诺瑞驱动库。开发者需要新建项目，设置通用选项和编译器参数，以确保代码能够顺利编译和运行。此外，还介绍了如何通过编译和连接生成hex和bin文件，这对于应用程序的最终部署至关重要。 项目中还涉及硬件部分，如MicroMouse615电脑鼠的硬件设计，包括电源、JTAG接口、按键、红外检测和电机驱动电路。这些电路的设计和功能解释有助于理解鼠标的机械结构和电子控制。 软件配置方面，章节详细讲解了如何配置传感系统，如红外线传感器、速度传感器和角度传感器，这些传感器是电脑鼠感知环境并做出决策的基础。同时，也涵盖了驱动系统，如步进电机和直流电机的驱动控制，以及针对电机的匀加速减速实验。 整个资源不仅涵盖了理论知识，还包括了实际操作的步骤，适合对深度学习在嵌入式系统中的应用感兴趣的开发者，尤其是对调试和硬件软件协同工作有深入了解的需求。