STM32，让AI触手可及

简介

AI 是所有研究的机器模仿人类等认知能力的超集。例如：

• 与环境的交互

• 知识表示

• 感知

• 学习

• 计算机视觉

• 语音识别

• 解决问题等等。

机器学习是AI的分支，在计算机科学领域的应用使计算机无需显式编程就能学习。机器学习由能够基于数据进行学习和预测的算法组成：

• 这类算法在前面样本基础上进行训练，以构建和估计模型;

• 在传统编程不可行的情况下，通常采用机器学习;

• 如果经过适当的训练，可以适应新的案例应用。

机器学习有不同的实现方法，其中包括常见的：

• 决策树

• 聚类

• 基于规则的学习

• 归纳逻辑编程

• 深度学习

深度学习是利用神经网络进行的学习。

• 灵感来自生物神经网络

• 深度是指有很多中间的学习步骤.

• 需要大量数据

数据量大小与算法表现的关系

随着近年来数据量的增加，深度学习的性能开始体现出优势，也引起更多的关注。

STM32在AI市场定位及案例

最新机器学习合作伙伴请参考下面链接。

http://www.st.com/content/st_com/en/partner/partner-program/partnerpage.html?key=STM32CubeAI&country=country

目前STM32用作AI应用的优势在于：

• 低功耗

• 通用性 （用1颗芯片既满足AI又满足通用需求）

• 丰富的产品系列

• 工业级品质及10年供货保障

STM32相关的深度学习资源

1. 获取数据

ST提供硬件开发板和软件采集数据。

A. 运动、声音类数据

硬件开发板： SensorTile、SensorTile.Box、IOT Node (B-L475E-IOT01A)

购买渠道：

STM32天猫旗舰店

软件：

FP-AI-SENSING1

2. 数据清洗、打标

ST同时提供手机端APP直连硬件开发板，作为数据初筛和收集的平台。

STBLE Sensor APP （支持Android、IOS，源码开放）

3. 训练神经网络模型

神经网络训练在服务器或者PC端完成，ST不提供方案。

4. 将模型转换为MCU上执行的优化代码

Cube.AI工具是CubeMX的AI扩展包，可以在CubeMX内下载或者在点击下载

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 工具具有的功能有：

• 转换模型文件到运行在STM32上的C代码

• 对模型文件做CPU、RAM、Flash资源分析，显示适配MCU型号

• 对模型做整型量化或者深度压缩

• 更多功能更新中…

使用教程请参考，

基于STM32开发人工智能应用

5. 使用训练好的模型分析数据

A. 运动、声音类数据

硬件开发板： SensorTile、SensorTile.Box、IOT Node (B-L475E-IOT01A)

软件：

FP-AI-SENSING1

B. 图像类数据

硬件开发板： STM32H747I-DISCO + STM32F4DIS-CAM或者OpenMV

购买渠道：

STM32天猫旗舰店

OpenMV中国区官方代理

软件：

FP-AI-VISION1

如何在OpenMV生态系统中集成STM32Cube.AI生成的代码

（文档待上传）

AI方向的大学计划

UCLA: Internet of Things and EmbeddedMachine Learning

苏州大学王宜怀教授：物体认知系统

http://sumcu.suda.edu.cn/AIwEORS/list.htm