STM32H750，可以使用Cube.AI吗

2万 · 2023-6-7 23:39

stm32printf速度慢好多呢

2万 · 2023-6-7 23:40

需要使用CubeMX软件创建一个新的项目，并选择STM32H750作为目标设备。然后，您可以在该项目中使用不同的Cube.AI工具来创建、训练和优化自己的神经网络模型，最终将其转换为可在STM32H750芯片上运行的格式。

只看该作者 · 2023-6-8 13:39

可以是H7系列

只看该作者 · 2023-6-9 17:26

话说，人工智能能实现什么功能？

只看该作者 · 2023-6-9 17:43

你可以用立方体a

只看该作者 · 2023-6-9 22:51

H7系列应该可以用

只看该作者 · 2023-6-10 17:09

通过使用Cube.AI工具箱，用户可以方便地对STM32H750进行人工智能应用设计和开发，包括神经网络模型的训练和优化、模型参数的量化和压缩、以及模型部署和推理等方面。

只看该作者 · 2023-6-10 17:16

为了提高性能，建议使用硬件加速器，例如STM32H750的AI加速器，它可以提供更快的推理速度和更低的功耗。

只看该作者 · 2023-6-10 23:36

可以应该，H7性能很高了

只看该作者 · 2023-6-13 21:58

Cube.AI还提供了多种示例代码和测试数据，方便用户快速上手并进行开发验证。

只看该作者 · 2023-6-13 22:58

F7都能用，性能更高的H7应该也行吧

1万 · 2023-6-14 09:37

STM32H750还提供了多个外设接口（如SPI、I2C、UART等）和存储器（如Flash、RAM等），便于连接传感器和存储训练数据和模型参数。

1万 · 2023-6-14 14:29

stm32单片机可以用Keil5、STM32CubeIDE、IAR等进行编程。

2万 · 2023-6-14 14:56

使用X-Cube-AI需要在STM32CubeMX版本5.0以上

只看该作者 · 2023-6-14 16:52

STM32H750芯片搭载了Cortex-M7内核，并且集成了硬件浮点运算、DSP指令和加速器等各种硬件资源，可以提供高性能和低功耗的计算能力，适合于实现机器学习和人工智能应用。

只看该作者 · 2023-6-14 17:20

在利用cube，ai开辟时，必要分外存眷stm32h750芯片的特征以及限定

只看该作者 · 2023-6-14 18:44

STM32H750芯片支持使用Cube.AI。

只看该作者 · 2023-6-14 19:05

STM32H750可以使用Cube.AI，但需要根据实际应用需求进行适当的优化和调整。

只看该作者 · 2023-6-15 22:21

支持转化的模型有Keras、TFlite、ONNX、Lasagne、Caffe、ConvNetJS。

只看该作者 · 2023-6-15 22:35

模型是要自己训练还是有现成的啊？