1、TinyMaix - 面向单片机的超轻量级的神经网络推理库
TinyMaix 是专为低资源的单片机设计的 AI 神经网络推理框架，通常被称为 TinyML。TinyMaix 可以让你在任意单片机上运行轻量级深度学习模型。TinyMaix 的设计原则：易用性 > 移植性 > 速度 > 空间。
TinyMaix 其实是矽速科技（Sipeed）利用两个周末的业余时间完成的项目，它足够简单，可以在 30 分钟内读完代码，可以帮助新手理解它是怎么运行的。
TinyMaix 关键特性：
- 核心代码少于400行(tm_layers.c+tm_model.c+arch_cpu.h), 代码段(.text)少于3KB
- 低内存消耗，甚至Arduino ATmega328 (32KB Flash, 2KB Ram) 都能基于TinyMaix跑mnist(手写数字识别)
- 支持INT8/FP32/FP16模型，实验性地支持FP8模型，支持keras h5或tflite模型转换
- 支持多种芯片架构的专用指令优化: ARM SIMD/NEON/MVEI，RV32P, RV64V
- 友好的用户接口，只需要load/run模型~
- 支持全静态的内存配置(无需malloc)
- MaixHub 在线模型训练支持
2、ZS1100A - 专用于物联网功耗测量的开源功率计
大多数用于创建物联网(IoT)的设备都是用小电池工作的。由于当前消费电子的动态性，测量这些物联网设备的能耗是一项艰巨的任务。开发人员经常需要使用多种仪器和手工计算来估计能源消耗。ZS1100A 型电能表就是为解决这些问题的。该工具可以非常准确和详细地绘制电流消耗与时间的关系，可以与电池模型一起使用，以估计电池的总体寿命。
3、dynamic_loader - 单片机上实现动态加载功能的函数库
dynamic_loader 是一个在单片机（如：STM32）上实现动态加载功能的函数库，与 Windows 中的 dll，Linux 中的 so 类似，可以将代码动态地从其他的存储介质，动态加载到 RAM 中。
程序使用 dl_load_lib 加载相应的库文件到句柄中，加载成功后可使用 dl_get_func，通过函数名获得相应函数指针，在不需要使用时可使用 dl_destroy_lib 对句柄进行释放。
4、little-bee-B1 - 开源实用的高性能电流和磁场探头
little-bee-B1 是一种基于各向异性磁电阻(AMR)磁传感器的开源磁场和电流探头。它直接感知磁场，并通过电流传感附件测量电流，该附件由放置在导线周围的有间隙的铁氧体环形体组成，在导线中的电流和传感器所受的磁场之间建立固定的关系。
特性如下：
- 可调带宽(10mhz和1mhz)
- 可调增益(1倍和4倍)
- SMA输出连接器
- 连接到任何标准1 MΩ阻抗示波器输入
- 单节AA电池供电(续航4小时)
- 自动归零
5、White Rabbit - 亚纳秒级同步精度的网络数据传输项目
White Rabbit 为大型分布式系统提供亚纳秒级同步精度,它还允许确定性和可靠的数据传输。White Rabbit 允许您对测量数据进行精确的时间标记，并允许您在大型安装中触发数据，同时使用相同的网络传输数据。
White Rabbit 特点：
- 亚纳秒级同步
- 支持连接数千个节点
- 节点之间的典型距离为 10 km
- 基于千兆以太网的的可靠数据传输
- 硬件、固件和软件全开源