7. 开发工具简介

我们为在k230上实现AI开发提供了丰富的工具，包括AI Cube、在线训练平台、k230_training_scripts(KTS)等。您可以根据您的个人情况选择合适的工具进行开发。

工具	优点	缺点	适配用户/场景	支持固件
在线训练平台	1.训练数据集云端存储，提供存储资源和计算资源； 2.支持在线标注功能，可以完成导入数据，标注训练； 3.支持数据集可视化、模型训练、测试、部署包生成等功能； 4.部署包提供可直接上板运行的可执行文件，同时提供C++和MicroPython部署源码，任务完成后部署包发送到注册邮箱；	1.任务类型仅支持图像分类和目标检测； 2.数据安全性不敏感；	适用于不具备计算资源、数据集无安全性要求、了解嵌入式开发的用户；	1. Linux+RT-Smart双系统固件； 2. MicroPython固件；
AI Cube	1.训练数据本地存储，数据安全可控； 2.支持任务丰富，支持图像分类、目标检测、语义分割、OCR检测、OCR识别、度量学习、多标签分类、异常检测共8类任务； 3.自主功能丰富，除支持模型训练、模型测试、部署包生成等基础功能，还支持包括数据可视化拆分、数据集查看、训练参数自主配置、数据增强可视化、独立数据测试等细化功能； 4.部署包提供可直接上板运行的可执行文件，同时提供C++和MicroPython部署源码； 5.支持ubuntu和windows双平台应用；	1.用户需自行配置计算资源； 2.因包含多类任务训练环境，安装包较大；	适用于具备计算资源，了解嵌入式开发，有数据安全性要求的用户；	1. Linux+RT-Smart双系统固件； 2. MicroPython固件；
k230_training_scripts(KTS)	1.提供cv、nlp、语音等不同模态任务的k230 AI 开发示例； 2.支持实现端到端的全流程教学，实现包括环境搭建、模型训练、模型测试、模型转换、镜像编译、上板调试等详细步骤； 3.各步骤灵活可控，用户可以选择根据自己的需求替换模型、调参等，也可以直接使用其他预训练模型自行配置校正集进行模型转换，可以修改上板的C++代码实现任务适配；	1.代码性较强，用户需要有较强的动手能力； 2.资源要求高，需要有对应的服务器资源或者个人计算资源；	适用于数据安全性高，喜欢动手开发，调试源码，并具备一定的服务器资源和计算资源的用户；	1. Linux+RT-Smart双系统固件； 2. MicroPython固件； 3. 纯RT-Smart单系统固件，固件需自己编译；
CanCollectorPlus	1. 作为上述三个工具的补充，获得k230采集的数据集； 2. 采集的数据作为训练数据，和部署时开发板采集的数据保持分布一致，减小颜色、光照、视角、分辨率等存在差异。	1. 需要用户自行完成标注；	适用于使用公开数据集训练的模型在k230开发板上部署效果差异较大的场景；	1. Linux+RT-Smart双系统固件；

注：对于K230D芯片，在线训练平台和AICube仅能使用得到的kmodel，板上运行代码需要您自行编写并编译成elf文件。