► STM32Cube.AI (X-CUBE-AI v10.0)

适用于STM32的免费AI模型优化器

STM32Cube.AI可用于在任意STM32微控制器上优化并部署由主流AI框架训练的神经网络模型。现已支持嵌入STM32N6的Neural-ART加速器NPU。
该工具可通过STM32CubeMX环境中的图形界面以及命令行方式使用。该工具现在也可以通过ST Edge AI Developer Cloud在线使用。

下载STM32Cube.AI

版本10.0的新特性

– 支持Neural-ART加速器NPU
– 扩展了对新层和运算符的支持
– 增强了对输入和输出张量数据布局的控制

通过本演示文稿了解更多信息

从神经网络到STM32优化代码

通过经训练的神经网络模型找到适合您项目的STM32 MCU，并生成合适的代码

1
加载NN模型
2
分析NN模型
3
验证
4
优化
5
生成代码
选择MCU，并从您的首选AI框架（Tensorflow、Pytorch、ONNX、Scikit-Learn）载入经过训练的模型。STM32Cube.AI支持FLOAT32或量化INT8权重格式（输入文件格式：.tflite、.h5和.onnx）。
模型分析支持访问有关您的模型的完整信息集，例如参数数量、MACC/层复杂度以及详细的RAM和Flash存储器大小需求。
使用数据集或随机值验证您的模型，以检查生成的C代码与提供的原始受训模型是否匹配。验证选项可以在台式计算机上执行，也可以在连接到计算机的STM32开发板上执行。
分层管理内存使用情况，选择内部与外部存储资源之间的适当平衡点，以优化您的模型。
生成优化后的AI推理模型C代码。

优化您的AI模型以实现最佳性能

STM32Cube.AI彻底改变了基于微控制器的人工智能部署。通过精心优化内存使用和推理时间，STM32Cube.AI确保在您的MCU设备上无缝集成和执行AI模型。

高达

70%

推理速度提升率*

75 %

FLASH和RAM的空间释放率*

*与适用于微控制器的TensorFlow Lite相比

查看最新的MLPerf Tiny基准测试结果

STM32 Model Zoo——发现最佳边缘AI模型

STM32 AI Model Zoo是一个预训练机器学习模型的集合，这些模型经过优化，可在STM32微控制器上运行。可从GitHub获取，如果想要为基于STM32的项目增加AI功能，可以利用这一宝贵资源。

了解关于STM32 Model Zoo的更多信息

借助STM32Cube.AI
提升您的应用

AI开启全新应用可能性！探索真实案例，汲取设计灵感，利用我们的资源打造您自己的应用。

浏览应用案例

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

See all documentation
下载STM32Cube.AI