STM32Cube.AI可用于在任意STM32微控制器上优化并部署由主流AI框架训练的神经网络模型。现已支持嵌入STM32N6的Neural-ART加速器NPU。 该工具可通过STM32CubeMX环境中的图形界面以及命令行方式使用。该工具现在也可以通过ST Edge AI Developer Cloud在线使用。
► STM32Cube.AI (X-CUBE-AI) 该工具可利用您的AI专长来优化神经网络,自动为STM32微控制器生成C代码。提供桌面版,也可通过ST Edge AI Developer Cloud在线使用。 ► ST Edge AI Developer Cloud 利用在线平台基于STM32开发板进行AI性能基准测试,探索STM32 Model Zoo,包括经过优化的AI模型、应用示例和训练脚本。
STM32Cube.AI workshop MOOC STM32Cube.AI workshop Learn how to use STM32CubeMX and X-Cube-AI tools to work with Neural Networks on STM32 Focusing on STM32L4 family and STM32CubeMX code generator tool, this online course demonstrates how to create a basic Neural Network embedded system ...
NanoEdge AI Studio：面向STM32 MCU的自动化机器学习工具；STM32Cube.AI：适用于STM32 MCU的AI模型优化器；STM32Cube.AI开发者云平台，可创建、优化和生成适用于STM32微控制器的人工智能，以及进行基准测试；X-LINUX-AI，STM32 MPU上面向OpenSTLinux的完整AI框架，可简化基于OpenSTLinux的项目中经训练的AI模型的集...
For STM32 MCUs, supports all the X-CUBE-AI features, such as: Native support for various deep learning frameworks such as Keras and TensorFlow™ Lite, and support for all frameworks that can export to the ONNX standard format such as PyTorch™, MATLAB®, and more Support for the ...
首先，从STM32 Model Zoo边缘 AI 模型库中选择，或导入已经训练好的神经网络模型；其次，在ST Edge AI开发者云在线工具上优化和验证自己的神经网络模型；最后，利用STM32Cube.AI和ST Edge AI Core技术优化模型代码，更高效地运行在STM32上。推动合作创新，让边缘AI随处可见 随着更多推理任务在边缘端处理，极大减少...
【嵌入式AI开发】篇四|部署篇:STM32cubeIDE上部署神经网络之模型部署 1. 环境安装和配置 本文介绍在STM32cubeIDE上部署AI模型,开发板型号STM32H747I-disco。 STM32cubeIDE可直接在ST官网下载,默认安装即可,不懂可自行上网查教程。 2. AI神经网络模型搭建 我们使用官方提供的模型进行测试,用keras框架训练: 2.1 ...
原文:【嵌入式AI开发&问题综述篇】STM32cubeIDE+CUBE-AI进行神经网络部署问题和细节汇总 1. 使用stm32cubeIDE或stm32cubeMX中的出现任何问题都可查看运行日志,查找原因。 C:\Users\<username>\.stm32cubemx\ai_stm32_msg.log 网络验证结果也会存在该目录下。
在软件工具层面,意法半导体可以提供非常多、好用的开发工具,用来帮助开发者把人工智能模型部署到硬件端,包括NanoEdge AI和Cube.AI;除了这些开发工具之外,还有模型库Model zoo,这里面有很多预训练的模型,可以用来做进一步的人工智能开发;此外,还有各种软件包,Function Packs,可以帮助开发者更好的做模型训练、优化,进行整...
NanoEdgeAI是一款端到端工具,允许对数据进行一些预处理,并进行训练和算法选择,而STM32Cube.AI 则需要工程师具备一定的AI建模经验,因为STM32Cube.AI 暂不支持模型训练。 硬件和软件准备 用于驱动风扇的P-NUCLEO-IHM03电机控制套件包括一块NUCLEO-G431RB主板、一块电机控制扩展板,以及一台无刷电机。