跳转到主要内容

意法半导体STM32Cube.AI 开发工具增加深度量化神经网络支持

cathy 提交于

意法半导体(ST)发布了<a href="https://www.st.com/content/st_com/en/ecosystems/artificial-intelligence… version 7.2.0</a>,这是微控制器厂商推出的首款支持超高效深度量化神经网络的人工智能(AI)开发工具。

<center><img src="http://mcu.eetrend.com/files/2022-08/wen_zhang_/100562915-265466-1.jpg&…; alt=“意法半导体STM32Cube.AI 开发工具增加深度量化神经网络支持" /></center>

<p>STM32Cube.AI 将预先训练好的神经网络转换成<a href="https://www.st.com/en/microcontrollers-microprocessors/stm32-32-bit-arm…微控制器(MCU)</a>可以运行的C语言代码,是充分利用嵌入式产品有限的内存容量和算力开发尖端人工智能解决方案的重要工具,将人工智能从云端下移到边缘设备,能够为应用带来巨大的优势,其中包括原生隐私保护、确定性实时响应、更高的可靠性和更低的功耗。边缘人工智能还有助于优化云计算使用率。</p>
<p>现在,通过支持 qKeras 或 Larq 等深度量化输入格式,开发者可以进一步降低神经网络代码量、内存占用和响应延迟,这些优势让边缘人工智能释放出更多可能,包括经济型应用和成本敏感应用。因此,开发者可以创建边缘设备,例如,功能和性能先进的电池续航更长的自供电的物联网端点。从超低功耗 <a href="https://www.st.com/content/st_com/en/arm-32-bit-microcontrollers/arm-co… Cortex-MCU</a><a href="https://www.st.com/content/st_com/en/arm-32-bit-microcontrollers/arm-co…;®</a> 微控制器,到利用 <a href="https://www.st.com/content/st_com/en/arm-32-bit-microcontrollers/arm-co…;、<a href="https://www.st.com/content/st_com/en/arm-32-bit-microcontrollers/arm-co…; 和 Cortex-A7 内核的高性能产品,意法半导体的<a href="https://www.st.com/en/microcontrollers-microprocessors/stm32-32-bit-arm…系列</a>为开发者提供了许多适合的硬件平台。</p>
<p>STM32Cube.AI 7.2.0版还增加了对TensorFlow 2.9模型的支持,改进了内核性能,新加了scikit-learn机器学习算法和开放神经网络交换(ONNX)运算符。</p>
<p>有关 STM32Cube.AI v7.2.0的更多信息和免费下载,请访问 <a href="https://www.st.com/content/st_com/en/ecosystems/artificial-intelligence…;
<p>博客网址:<a href="https://blog.st.com/stm32cubeai-v72/?icmp=tt27713_gl_pron_jul2022">http…;