适用于嵌入式环境的加速计算库

1. Eigen：这是一套开源的线性代数库，提供了常用的矩阵运算和向量运算算法，例如矩阵乘法、特征值分解、SVD 等。Eigen 可以与多种编译器和开发环境配合使用，支持多种嵌入式系统平台。
2. DSP Accelerator Library：这是一套针对嵌入式系统的数字信号处理库，提供了常用的信号处理算法，例如滤波、FFT、卷积等。DSP Accelerator Library 可以与多种编译器和开发环境配合使用，支持多种嵌入式系统平台。
3. MLib：这是一套开源的机器学习库，提供了常用的机器学习算法，例如线性回归、逻辑回归、支持向量机等。MLib 可以与多种编译器和开发环境配合使用，支持多种嵌入式系统平台。
4. Caffe2：这是一套针对嵌入式系统的深度学习库，提供了常用的深度学习算法，例如卷积神经网络、循环神经网络等。Caffe2 可以与多种编译器和开发环境配合使用，支持多种嵌入式系统平台。
5. CMSIS-DSP：这是一套针对 Cortex-M 处理器的数字信号处理库，提供了常用的信号处理算法，例如滤波、FFT、卷积等。CMSIS-DSP 库可以与多种编译器和开发环境配合使用，支持多种嵌入式系统平台。
6. Arm Compute Library：这是一套针对 Arm 处理器的计算库，提供了常用的计算算法，例如卷积、矩阵乘法、深度学习等。Arm Compute Library 可以与多种编译器和开发环境配合使用，支持多种嵌入式系统平台。
7. OpenCV：这是一套开源的计算机视觉库，提供了常用的图像处理和计算算法，例如图像滤波、特征提取、目标检测等。OpenCV 可以与多种编译器和开发环境配合使用，支持多种嵌入式系统平台。
8. TensorFlow Lite：这是一套针对嵌入式系统的深度学习库，提供了常用的深度学习算法，例如卷积神经网络、循环神经网络等。TensorFlow Lite 可以与多种编译器和开发环境配合使用，支持多种嵌入式系统平台。

需要注意的是，嵌入式系统的计算资源通常比较有限，因此在选择加速计算库时需要考虑库的大小、性能和功耗等因素，以便更好地适应嵌入式系统的需求。