海思 Hi3798MV100 C 语言 DNS 广告过滤方案

老电视盒子Hi3798mv100普遍为ARMv7架构，单核/双核A9，内存只有512MB‑1GB，eMMC闪存性能弱，内核版本老旧。直接运行Go编写的AdGuard Home会出现典型故障现象：空载运行还算稳定，局域网设备变多、DNS查询流量上涨，CPU持续占满，温度快速飙升，触发温控降频，最后整机死机重启。准备：x86 Linux编译环境 + armv7海思盒子；开发顺序：桩最小闭环 → x86

Hi3516上部署ArcFace实战：NNIE量化、内存对齐与特征精度对齐

ArcFace作为主流人脸识别模型，其嵌入式落地依赖于模型压缩、硬件推理引擎适配与数值一致性保障。在资源受限的ARM嵌入式平台（如Hi3516）上，需突破ONNX兼容性、INT8量化校准、NNIE硬核推理约束及内存对齐等关键技术瓶颈。核心挑战在于保持512维特征向量的跨平台数值一致性（误差<0.005）与实时性（≤120ms），涉及BN融合、归一化烘焙、DMA物理地址对齐、定点内积加速等工程实践。

Hi3516嵌入式端侧部署ArcFace实战指南

ArcFace作为主流人脸识别模型，其高精度特性依赖严格的输入规范与算子支持；但在资源受限的嵌入式平台（如Hi3516DV300）上，直接迁移PyTorch或ONNX模型常因内存不足、算子不兼容、预处理失配等问题导致推理失败或精度骤降。本文围绕嵌入式AI部署核心挑战——模型量化、硬件加速流水线重构、NNIE算子映射与ROI优化，系统阐述如何在32MB内存、单核Cortex-A7环境下实现稳定高效的