摘要： 本文探讨了在STM32微控制器上部署TinyML模型的方法。首先介绍了TinyML的核心技术（量化、剪枝）及其在边缘计算中的优势，结合STM32的低功耗特性。接着详细说明开发环境搭建、轻量级模型（如MobileNetV1）的训练与优化技巧（8位量化），并通过手势识别等案例展示部署流程（模型转换、STM32CubeMX集成）。最后分析了性能优化策略（硬件加速、DMA）和调试工具，总结了挑战与