资源
访问我们的免费资源，了解机器学习技术。
查找各解决方案有用内容的链接：NanoEdge AI Studio、STM32Cube.AI和X-LINUX-AI。
查找集成具体示例的功能包，轻松启动项目。
STM32 AI解决方案简介
STM32人工智能解决方案概述（NanoEdge AI Studio、STM32Cube.AI）
Give your product an Edge using AI on STM32
边缘智能 [e-book]
适用于临时学习者和数据科学家的技术、市场及产品信息的重要来源
NanoEdge AI Studio入门
探索如何通过点击几下鼠标即可创建数据集以及创建您的第一个机器学习算法
演示文稿
[Marketing presentation] NanoEdgeAI解决方案概述
[Databrief] 面向STM32微控制器的自动化机器学习 (ML) 工具
[Flyer] 为连接器件和工业设备开发NanoEdge AI Studio机器学习软件广告宣传
在线培训
任何人都可以创建STM32自学边缘AI器件
如何通过NanoEdge AI Studio在系统中轻松集成异常检测或预测性维护功能
从数据记录到集成的NanoEdge AI
博文
STEVAL-STWINKT1B: 帮助开发人员借助边缘AI处理状态监测应用的新组件和应用示例
下一个自动化时代，新型信息物理系统如何作出积极改变
NanoEdge AI Studio: 一个综合性AI解决方案使用两个新算法系列
许可协议
NanoEdge AI Studio软件许可协议
STM32Cube.AI入门
探索如何优化AI神经网络以及为STM32项目创建处理库
STM32Cube.AI开发者云
探索如何利用此在线平台针对您的STM32项目进行优化、基准测量以及创建AI处理库。
演示文稿
[Marketing presentation] 利用STM32Cube.AI在STM32上优化神经网络
[Databrief] 适用于STM32Cube的人工智能 (AI) 软件扩展
Wiki
如何利用STM32Cube.AI生成的应用来测量机器学习模型的功耗
博文
意法半导体加入了MLCommons，因此能够通过1次基准测试帮助团队采用边缘机器学习
STM32Cube.AI v7.3可助力用户在推理时间与RAM占用之间取得完美平衡
支持深度量化神经网络的STM32Cube.AI v7.2及其重要性
许可协议
STM32Cube.AI软件许可协议 – SLA0048
面向OpenSTLinux的X-LINUX-AI入门指南
学习如何将经过训练的Kera和TensorFlow AI模型轻松集成到您的OpenSTLinux环境中
演示文稿
[Databrief] X-LINUX-AI: 适用于STM32 MPU OpenSTLinux的AI扩展包
借助STM32功能包加快开发速度
为简化应用开发，我们提供了涉及计算机视觉、感测和状态监测等重要应用案例的代码示例。 我们的功能包是与预处理/后处理功能关联并连接到微控制器外设的人工神经网络的完整集成。
这些软件包可帮助您节省宝贵的时间，让您能专注于人工神经网络模型，以及应用的独特之处。
FP-AI-MONITOR1
TM32Cube功能包面向超低功耗STM32，基于广泛的传感器实现人工智能（AI）监控应用
#STM32Cube.AI #NanoEdge AI Studio
FP-AI-SENSING1
STM32Cube功能包面向超低功耗物联网节点，基于音频和运动感测实现人工智能 (AI) 应用
#STM32Cube.AI
FP-AI-VISION1
STM32Cube功能包面向超低功耗物联网节点，基于音频和运动感测实现人工智能 (AI) 应用
#STM32Cube.AI
FP-AI-FACEREC
STM32Cube的人工智能 (AI) 人脸识别功能包
#STM32Cube.AI
FP-AI-CTXAWARE1
STM32Cube功能包适用于通过分布式人工智能(AI)进行超低功耗情景感知：在MCU上使用神经网络进行声学分析，在IMU上使用机器学习进行运动分析
#STM32Cube.AI