|
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。 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SM32Cube.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.st.com/en/embedded-software/x-cube-ai.html?icmp=tt9145_gl_pron_dec2018 （以下内容是通过电堂视频教学学习的内容：） 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： 多信息，请参看： https://www.st.com/content/st_com/en/stm32-ann.html??icmp=tt9145_gl_pron_dec2018#stm32-sann-stepnncontainer 最后，现在人工智能这么火，我预测这个工具包应该会逐渐火起来！
| 
楼主
标题置顶
标题高亮
