onnx2c是一款ONNX到C的编译工具，专门针对微控制器环境进行优化。它将ONNX文件转换为单一C文件，生成的代码不使用动态内存分配，仅需标准C数学库支持。该工具设计简单易用，无需学习曲线，方便开发者将训练好的神经网络快速集成到微控制器项目中。onnx2c提供多种优化功能，包括张量联合、Cast节点移除和实验性量化，有效提升代码性能和内存利用率。

MCUNet是面向微控制器的系统-算法协同设计框架，包含TinyNAS和TinyEngine两大核心组件。该框架在严格内存限制下提升深度学习性能，相比现有方案推理速度提高1.5-3倍，内存占用降低2.7-4.8倍。MCUNet为IoT应用提供高效深度学习基础设施，推动边缘AI发展。

M5StickC Plus是基于ESP32-PICO-D4芯片的便携式物联网开发板。搭载1.14英寸LCD屏幕，集成红外、RTC、麦克风等多种传感器。较前代产品增加蜂鸣器，屏幕面积增大18.7%，电池容量升至120mAh。支持Arduino、UIFlow和MicroPython编程，适合快速物联网原型开发。

Microdot是一个轻量级Python Web框架，灵感来自Flask。它适用于微控制器等资源受限系统，支持标准Python和MicroPython。Microdot 2版本根据用户反馈进行了优化，并提供迁移指南。未来计划增加表单数据处理、身份验证和OpenAPI集成等功能。

TinyEngine是专为微控制器设计的神经网络库，通过原地深度卷积和基于块的推理等技术优化内存管理和推理性能。相比现有解决方案，TinyEngine将推理速度提升1.1-18.6倍，峰值内存减少1.3-3.6倍。作为微控制器AI应用的基础设施，TinyEngine在有限内存预算下实现了更高性能，为微控制器深度学习部署提供了有力支持。

BitNetMCU项目致力于在低端微控制器上实现高精度的低比特量化神经网络。通过优化训练和推理过程，该项目在仅2KB RAM和16KB Flash的CH32V003等微控制器上，实现了16x16 MNIST数据集超过99%的测试准确率，无需使用乘法指令。项目提供基于PyTorch的训练流程和ANSI-C实现的推理引擎，便于在不同微控制器上应用。

DeviceScript是一个由Microsoft Research开发的开源项目，旨在为资源受限的微控制器设备提供TypeScript开发环境。该项目通过将TypeScript编译为自定义VM字节码，使其能在受限环境中运行。DeviceScript为IoT设备开发者提供了新的工具，简化了微型IoT设备应用程序的创建和管理过程。项目目前处于实验阶段，欢迎开发者参与讨论并提供反馈。