适用于STM32的免费AI模型优化器 STM32Cube.AI可用来在任意STM32微控制器上,对采用最流行AI框架训练的神经网络模型进行优化和部署。 该工具可通过STM32CubeMX环境中的图形界面以及通过命令行来使用。该工具现在也可以通过意法半导体边缘AI开发者云在线使用。
基于STM32MP2卓越的处理性能及先进的边缘AI和多媒体功能，开发者可灵活选择在CPU、GPU、NPU上运行AI应用。典型应用场景：电梯 边缘AI解决方案为很多传统行业赋予了新价值和新生命，其中一个典型案例就是电梯应用。该应用将预测性维护与机器视觉场景汇于一身，可实现语音识别、视觉识别、手势识别、群控箱智能算法、电梯...
这款在线平台提供基准测试服务,可以远程评估一系列STM32板件上的AI性能。此外,还可以访问STM32 Model Zoo,其中汇集了大量经过优化的AI模型以及一些应用示例、训练脚本等。 面向LINUX的AI:STM32 MPU上面向OpenSTLinux的完整AI框架 对于使用STM32 MPU的开发人员而言,X-LINUX-AI是一个库和运行系统的集合,可简化基于Ope...
运行图片输入的程序脚本前,需要准备识别的图片,这里以一张泰迪熊的图片为例,图片放置目录为/usr/local/x-linux-ai/image-classification/models/mobilenet/testdata,然后运行脚本,这里以C/C++应用程序为例。 # cd /usr/local/x-linux-ai/image-classification/models/mobilenet/testdata # ls -la -rwxr--r-- 1...
下载AI演示项目到ST开发板上 借助智能手机/平板电脑上的应用程序,将传感器数据和标签记录在ST开发板上 给定的Python脚本将处理数据集并训练NN模型 在STM32CubeMX.AI工具的帮助下,将神经网络训练好的模型导入到STM32项目中 相关软硬件简介 软硬件需求列表
NanoEdge AI软件工具,面向嵌入式开发者提供一体化的机器学习方案。从刚开始的数据收集、模型选择、数据训练,到生成模型、优化部署,它是一个从头到尾整个支持机器学习优化部署的工具。它的优势是,不需要非常大的数据量,又有比较高的内存占用效率。 有一个洗衣机应用案例,这个洗衣机的称重精准度是100g,如果不用AI算法...
选择Software Packs,进入后把AI相关的两个包点开,第一个打上勾,第一个选择Validation。 System Performance工程:整个应用程序项目运行在STM32MCU上,可以准确测量NN推理结果,CP∪U负载和内存使用情况。使用串行终端监控结果(e.g.Tera Term) ...
网络开发AI技术嵌入式设备工具箱振动传感器节点意法半导体(STMicroelectronics,简称ST)借助STM32系列微控制器的市场领导地位,扩展了STM32微控制器开发生态系统STM32CubeMX,增加了先进的人工智能(AI)功能.AI技术使用经过训练的人工神经网络对运动和振动传感器,环境传感器,麦克风和图像传感器的数据信号进行分类,比传统的手工...
STM32Cube.AI支持的神经网络模型框架有Lasagne、Keras、Caffe、ConvNetJs、Tensorflow Lite、可以导出为ONNX标准的框架(PyTorch™,Microsoft® Cognitive Toolkit, MATLAB® 以及更多),最新支持请参考Cube.AI的release note。 Cube.AI 工具的功能包括:
ST在边缘人工智能领域投入已超过10年,不仅拥有STM32Cube.AI和NanoEdge™ AI Studio软件工具;还与NVIDIA合作,整合NIVIDIA TAO和STM32Cube.AI工具,让开发者STM32微控制器上无缝训练和实现神经网络模型。 本文为2023 STM32峰会连接篇重点内容。 ST 为什么要积极投入边缘人工智能及我们所提供的服务 (Cube.AI, NEAI) ...