ai8x-training

在电脑上训练量化模型，一键部署到毫瓦级 AI 芯片

ai8x-training 是亚德诺半导体（ADI，原 Maxim）为 MAX78000 与 MAX78002 两款超低功耗边缘 AI 微控制器提供的官方模型训练工具链。它解决的核心问题是：这类芯片采用 CNN 加速器，对网络结构、量化方式和数据布局有严格约束，普通 PyTorch 模型无法直接部署。项目基于 PyTorch 构建，提供量化感知训练（QAT）流程、预置的 ai8x 模型库、数据集加载与合成数据生成、逐层权重与偏置导出，以及与 ai8x-synthesis 工具衔接的检查点格式。开发者可在 PC 上完成 1/2/4/8 位权重量化训练，再交给配套编译器生成芯片可执行代码，从而把关键词识别、图像分类、人脸检测等任务跑在毫瓦级功耗的 MCU 上。

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 113

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类模型训练

开发团队analogdevicesinc

所属国家

官网地址

GitHubhttps://github.com/analogdevicesinc/ai8x-training

定价模式free

价格说明开源免费，需自行部署训练

访问状态

是否开源是

开源协议Apache-2.0

主要语言Jupyter Notebook

技术栈/模型ai,analog-devices,artificial-intelligence,deep-learning,machine-learning,max78000,max78002,maxim,maxim-integrated

GitHub 星标★ 113

30天Star增速

HF 下载量

上线时间2020-05-19 00:00:00

最近更新2026-09-03 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-19

浏览次数0

使用教程

核心亮点

提供完整的量化感知训练流程，支持 1/2/4/8 位权重，直接对应 MAX78000/MAX78002 硬件加速器位宽
内置大量经过验证的参考模型（如 KWS20、MNIST、CIFAR-100、人脸检测），可作迁移学习起点
与 ai8x-synthesis 无缝衔接，训练产物可直接编译为芯片固件，端到端链路清晰

不足之处

强绑定 ADI 自家芯片，模型结构和算子受限，无法用于其他硬件平台
社区规模小、星标仅百余，第三方教程和问题解答较少，遇到坑主要靠官方文档

适用场景

为 MAX78000 开发关键词唤醒（KWS）固件，训练低功耗语音命令模型
在电池供电的视觉传感器上做简单图像分类或人脸检测
高校/企业评估超低功耗边缘 AI 方案时，快速跑通训练到部署的完整链路

替代项目

TensorFlow Lite for Microcontrollers、Edge Impulse、CMSIS-NN

项目介绍

ai8x-training 是模型训练领域的开源项目，由 analogdevicesinc 开发，2020 年首次发布。

它收录于模型训练分类，该分类目前共有 516 个项目，GitHub 星标数为 113。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-03。开源免费，需自行部署训练。

它主要面向的使用场景是：为MAX78000开发关键词唤醒（KWS）固件，训练低功耗语音命令模型。同类可对比的替代方案包括 TensorFlow Lite for Microcontrollers、Edge Impulse、CMSIS-NN。

上一篇：litData

下一篇：long-context-attention