学习一下ST推出的STM32 Cube.AI人工智能神经网络开发工具包

    想必有些朋友都在ST官网、或其它地方看到这条ST推出AI神经网络开发工具包的新闻了。

1ST主页消息

不知道大家有没有关注ST的一些新闻，反正我经常浏览它的网站，在ST主页出了这么一个消息：

TMicroelectronics Drives AI to Edge and Node Embedded Devices with STM32 Neural-Network Developer Toolbox

大概意思是：ST利用STM32神经网络开发工具包将AI（Artificial Intelligence人工智能）驱动到边缘和节点嵌入式设备。

大家可以进入网页了解相关信息：

https://www./content/st_com/en/about/media-center/press-item.html/p4116.html

2

STM32Cube.AI

ST在STM32CubeMX工具中引入STM32Cube.AI工具包，大家可以在STM32CubeMX（V5.0.1或更高版本）工具中在线更新：

通过STM32Cube.AI，开发人员现在可以将预先训练的神经网络转换为C代码，该代码可以调用在STM32 MCU上运行的优化库中的函数。

ST的新型神经网络开发工具包STM32Cube.AI，正在将AI引入微控制器供电的智能设备，位于节点边缘，以及物联网，智能建筑，工业和医疗应用中的深度嵌入式设备。

主要特点：

• 从预先训练的神经网络模型生成STM32优化的库。

• 支持各种深度学习框架，如Keras，Caffe，ConvnetJS和Lasagne.

• 通过STM32Cube™集成，可轻松实现不同STM32微控制器系列的便携性。

• 免费，用户友好的许可条款。

更多相关信息，请参看：

https://www./en/embedded-software/x-cube-ai.html?icmp=tt9145_gl_pron_dec2018

3

AI神经网络解决方案

使用STM32Cube.AI简化了人工神经网络映射

• 可与流行的深度学习培训工具互操作

• 兼容许多IDE和编译器

• 传感器和RTOS无关

• 允许多个人工神经网络在单个STM32 MCU上运行

• 完全支持超低功耗STM32 MCU

提高您的工作效率

利用Deep Learning的强大功能提高信号处理性能并提高STM32应用程序的生产率。创建人工神经网络并将其映射到STM32（自动生成的优化代码），而不是构建手工制作的代码。

使用STM32CUBE.AI部署神经网络的5个步骤

1.捕获数据

2.清理，标记数据和构建ANN（人工神经网络）拓扑

3.训练ANN模型

4.将ANN转换为STM32 MCU的优化代码

5.使用经过培训的ANN处理和分析新数据

相关资源：