请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。
器件型号：IWRL6432BOOST工具/软件：
大家好、TI 团队和社区
我们目前正在与合作 IWRL6432BOOST 手势识别演示（xWRLx432 手势识别）。 默认演示效果良好并能识别
6 个手势的准确性很高。 集成商 添加其他手势 并将经过重新训练的模型部署回 IWRL6432BOOST。
我们已经：
-
在硬件上成功运行官方手势识别演示。
-
按照演示文档中的建议、通过 Industrial Visualizer/UART 收集了功能数据（演示提到：“可以保存通过 UART 提取的功能并将其用作新模型的训练数据“）。
-
了解概要流程（见下图）：1D FFT→特征提取→分类→后处理。
-
计划的工作流程： 数据收集→列车模型 (PyTorch/TF)→导出 ONNX→TVM→C 代码生成→集成到演示→部署和测试中 。
但是、我们对详细的再培训和部署程序并不确定。 该文档仅在“再培训“下提供高级注释、但不提供完整的脚本或工作流。 我们希望获得详细的指导。
