STMicroelectronics STM32Cube。AI软件和产品
STMicroelectronics STM32Cube.AI软件和产品使用嵌入式机器学习以简单、快速和经济高效的方式改进应用。这些应用包括预测性维护、物联网产品、智能楼宇、资产跟踪、人数统计等。得益于人工智能 (AI) 的集成，让应用更加智能。
STM32CubeMX
STM32CubeMX支持轻松配置STM32微控制器、微处理器，并通过逐步过程为Arm® Cortex®-M内核生成相应的初始化C代码，或为Arm Cortex-A内核生成部分Linux® 器件树。
第一步包括选择STMicroelectronics STM32微控制器、微处理器或匹配所需外设集的开发平台，或在特定开发平台上运行的示例。
对于微处理器，第二步允许为整个系统配置GPIO和时钟设置，并以交互方式为Arm Cortex-M或Cortex-A分配外设。借助特定的实用程序（如DDR配置和调谐），可轻松开始使用STM32微处理器。对于Cortex-M内核，配置包括与微控制器完全相似的其他步骤。
对于微控制器和微处理器Arm Cortex-M，第二步包括配置每个所需的嵌入式软件，这得益于引脚分配冲突解决器、时钟树设置助手、功耗计算器，以及配置外设（GPIO或USART）和中间件堆栈（USB或TCP/IP）的实用程序。
借助增强型STM32Cube扩展包，可以扩展默认软件和中间件堆栈。STMicroelectronics或STMicroelectronics合作伙伴的软件包可直接从STM32CubeMX中提供的专用软件包管理器下载，而其他软件包则可从本地驱动器安装。
STM32CubeMX交付中的一个独特实用程序STM32PackCreator，有助于开发者构建增强型STM32Cube扩展包。
最终，用户将启动与所选配置选项相匹配的一代。此步骤为Arm Cortex-M提供初始化C代码，可随时用于多种开发环境，或者为Arm Cortex-A提供部分Linux®器件树。STM32CubeMX在STM32Cube中交付。
概述
特性
- 直观的STM32微控制器和微处理器选择
- 易于使用的丰富图形用户界面，支持以下配置：
- 引脚分配，可自动解决冲突
- 外设和中间件功能模式，可动态验证参数约束，适于带配置动态验证的ArmClock树。
- 电源序列，带估计的消耗结果
- 为Arm Cortex-M内核生成兼容IAR Embedded Workbench®、MDK-ARM和STM32CubeIDE（GCC编译器）的初始化C代码项目
- 为Arm Cortex-A内核生成部分Linux器件树（STM32微处理器）
- 可开发增强型STM32Cube扩展包——得益于STM32PackCreator
- 将STM32Cube扩展包集成到项目中
- 可用作独立软件，运行在Windows® 、Linux和macOS®（macOS是Apple Inc.在美国和其他国家注册的商标）操作系统和64位Java Runtime环境中
X-CUBE-AI
X-CUBE-AI是STM32Cube扩展包，属于 STM32Cube.AI生态系统的一部分，通过自动转换预训练的人工智能算法扩展了STM32CubeMX的功能。包括神经网络和经典机器学习模型，以及将生成的经过优化的库集成到用户的项目中。
使用它最容易的方式就是按照用户手册《人工智能 (AI) X-CUBE-AI扩展包入门》(UM2526) 的描述，在STM32CubeMX工具（5.4版本或更新）内下载它。X-CUBE-AI扩展包还提供了多种方法来验证台式电脑和STM32上的人工智能算法，并且测量STM32器件的性能时无需用户编写的临时C代码。
特性
- 从预先训练的神经网络和经典机器学习模型生成STM32优化库
- 原生支持各种深度学习框架，例如Keras和TensorFlow™ Lite，并支持可导出到ONNX标准格式的所有框架，例如PyTorch™、Microsoft Cognitive Toolkit、MATLAB® 等
- 支持各种内置scikit-learn模型，如孤立森林、支持向量机 (SVM)、K-means等
- 支持8位量化Keras网络和TensorFlow™ Lite量化网络
- 通过外部闪存的存储配重和外部RAM的激活缓冲器，支持使用更大网络。
- 通过STM32Cube集成，轻松实现跨不同STM32微控制器系列的移植性
- 通过TensorFlow™ Lite神经网络，可使用STM32Cube.AI运行时间或TensorFlow Lite微控制器运行时间生成代码
视频
