1、NanoEdge AI Studio V3的概述

1.1 首先感谢社区提供的活动【学习有奖】深度学习STM32自动化机器学习工具——NanoEdge AI Studio以及丰富的学习资源，才一步步测了一遍，其实文档不是很好找，毕竟太新鲜。最初是为了评测最新的Seed  WIO AI Lite，可惜不适合，这个再试用阶段的工具只支持以下开发板。

• Evaluation board:
  
  • STEVAL-STWINKT1B: STWIN SensorTile Wireless Industrial Node development kit
    ) P6 b5 v! T2 I) Y0 \1 u
• Discovery kits:
  
  • B-U585I-IOT02A: Discovery kit for IoT node with STM32U585AI MCU
  • 32F413HDISCOVERY: Discovery kit with STM32F413ZH MCU
  • 32F746GDISCOVERY: Discovery kit with STM32F746NG MCU
  • 32F769IDISCOVERY: Discovery kit with STM32F769NI MCU
  • 32L4R9IDISCOVERY: Discovery kit with STM32L4R9AI MCU
  • B-L4S5I-IOT01A: Discovery kit for IoT node with STM32L4S5VI MCU
  • STM32L562E-DK: Discovery kit with STM32L562QE MCU
    , B& {( c7 q' c/ E
• Nucleo boards:
  
  • NUCLEO-F401RE: STM32 Nucleo-64 development board with STM32F401RE MCU
  • NUCLEO-F411RE: STM32 Nucleo-64 development board with STM32F411RE MCU
  • NUCLEO-G071RB: STM32 Nucleo-64 development board with STM32G071RB MCU
  • NUCLEO-G474RE: STM32 Nucleo-64 development board with STM32G474RE MCU
  • NUCLEO-H743ZI2: STM32 Nucleo-144 development board with STM32H743ZI MCU
  • NUCLEO-L432KC: STM32 Nucleo-32 development board with STM32L432KC MCU
  • NUCLEO-L433RC-P: STM32 Nucleo-64 development board with STM32L433RC MCU
  • NUCLEO-L476RG: STM32 Nucleo-64 development board with STM32L476RG MCU
  • NUCLEO-WB55RG: STM32 Nucleo-64 development board with STM32WB55RG MCU
  • NUCLEO-WL55JC: STM32 Nucleo-64 development board with STM32WL55JCI MCU
    

% G$ B1 f! s( S& [8 r* Y

  这个开发工具解决的是深度学习的痛点，就是数据清洗和数据加载，无论在AI领域的专业水平如何，通过NanoedgeAI Studio，都可以找到最适合嵌入式项目的AI库，并将机器学习功能加入到MCU的C代码中。 NanoEdge* AI Studio为AI库嵌入一个自动搜索引擎，开发人员只需五步操作，即可基于最少量数据，为自己的项目生成最优机器学习库。创建之后，该库被加载到微控制器中，以便在边缘直接进行训练和推理，从而提高安全性并减少延迟。    这个过程不是说说而已，而是已经做到了。最新的V3支持两种新的功能，支持的支持的两种算法（异常检测和分类）现在有了更多的库的支持。此外，新版本中还对这些算法进行了优化，以提高其在现有用例上的性能。因此，当切换到新的软件版本时，嵌入式开发人员可以体验到更出色的资源管理或更快的执行速度。还增加了简单易用的全新数据记录功能，这个功能目前只针对STWIN SensorTile一种开发板，但是已经看到这个是一个更吸引人的两点。（提醒：本帖多图慎入）

2、NanoEdge AI Studio的安装

2.1 安装的过程可以提供商业包和3个月评估包的选择，其中还可以把授权服务器设定为远程的。原来觉得只为了3个月的体验下载，就一直没有下载使用，因为软件的学习曲线还是比较陡峭的，如果不用学习负担太重，但是参与活动并下载使用后，发现易用性过于好了，基本上1天上手。基础是对数据的概念比较熟悉，而且也有现成的数据。

可以首先访问st官网的页面，

首先按照下图的网址进入下载网页，

正确填写好数据后提交按钮高亮，就可以提交。并不需要专门注册，这里就提交成功，注册码会发到注册的邮箱。
% D* p9 {% B5 u

随后会跳转到软件下载安装页面，
, g, K: p9 b- y

选择Windows10的版本下载，同时可以下载软件说明，同时了解以下基本的情况。

% I3 K- J$ U" J3 d9 ^! y

选择下载安装包开始安装，选择安装目录，

, o4 U. _9 D0 U

开始安装，

很快安装成功后

直接启动程序，

需要选择基本的设置，如工作目录，

1 v$ ^/ A* K. m7 I6 e( k1 P2 {" t

这时没有授权码是无法进入的，

从收到的确认邮件中找到授权码

0 K  g9 m; T0 \5 @! r7 A, K5 Q5 V

输入授权码，就自动识别并显示绿色高亮点，

正式进入首页，
8 d3 }( c$ }, t4 r& T

从最右侧的Data logger功能就可以进入到前面提到的新功能，只支持一种开发板

% f6 ?: e% R6 a, J( h

这个可以支持所有的板载传感器数据采集和记录。

其他的功能可以逐个浏览，

包括异常和分类等，

直接在多分类项下启动创建新项目

可以从选择的开发板中滚动选择适合的，

目前还没有支持的显示为阴影，无法选中

最终选择最常见的Nucleo-L479

% w+ R8 `$ S. o' |+ w; ]

随后提示如何输入数据，需要建议的格式，可以用逗号等分隔符，用文本的方式导入

8 n1 D$ c  F& v3 ?1 u8 P

这里还提供了多种选择，包括用data logger的DAT文件，以及直接从USB口进行数据采样

5 F$ a) H, M: b( _4 {

这里用带电子表格造一些数据，导出为csv格式

7 q! F; _5 K+ U( J. d

直接导入xls表格，因为格式识别不正确，无法提取数据
/ k8 F7 N" Q, w0 H3 H4 M, s

& w" f. j  d0 e' J' N6 r1 x* Q$ m

转换成csv就可以预览前20行的数据

# T% c% h; H4 X1 t$ u& l4 g

数据导入后，进行初步的分析，并用图形化，这个是用了傅里叶变换的FFT方法求方差和频谱，
  }, g/ O: H9 A( k) i  {: y

6 w. G  Q7 Z2 @1 }

可以进一步分析，这个是查重，筛选数据有效性的

选择输出目录和文件名，把格式化的数据存在本地供后续使用

1 L( f$ ~! l5 m) y

对应数据分析而已，一个是训练集，一个是验证集，因此需要2个数据源，这里也是按照这个来区分的，更多的数据源，也可以，可以自动分类
7 U' ]% F) x# I% O3 _8 T

这样就显示了两个数据源的显示，
' }+ c5 o+ a: O3 Z: o2 Q: |! h

随后需要进行第三步benchmark的测试，取得基准值
/ r2 O5 G8 H7 t: e4 s+ b. K

这个过程是依赖桌面机进行的训练，花费的时间长，巨大的数据需要更强大的计算能力，可以要算数十个小时，

可以看到动态迭代的情况，因为这个数据简单，可以看到很快就收敛，精度100%，真正的数据是按照一个反函数的曲线，并且有波动。这个过程是巨大的计算机资源消耗过程，而且这个过程非常需要经验。

因此，这个过程挑战巨大，AI攻城狮往往自称炼金师，及时说这个过程有很多玄学的地方，经验和运气同样重要。

没有这个工具，就需要手动炼金，现在这个软件，实现了数据导入和训练的自动化，和可视化，这部分就是这个软件最核心和有价值的部分。
3 i: _- ~( u* a& {7 ^

$ o; w2 J* k; B& B( l- i; Y) K

本例中有限的数据也提供了半个小时的时间，现在全部完成了
* G! G' s4 O; R2 r' G

下一步是模拟的过程，这个也是一个亮点

，在反复的调试过程中，都加载到硬件中，基于失效数据和失效模型的测试和硬件问题混在一起，更能难调试。而这个功能，假定在虚拟机上执行，极大提高了深度学习软件的开发效率。

在这个过程中，因为无法访问远程服务器的认证和授权，不能生产库文件。这个页面就是提示操作方法，把关键的数据，这时json格式的，复制下来，

然后粘贴在验证网站上的对应位置，云端计算结果，并生产zip格式的库文件。

/ U! }' K" M$ ?; C' K

比较可惜的是我所用的计算机在防火墙保护下很多端口是封闭的，所以不能随意访问未授权的远端服务器，所以，远程服务器无法访问并验证我的本地授权码，提示搞不成。这个过程虽然不够完美，但是，也用故障的方式，提醒大家注意网络安全，使用正版软件，如果能够提供效能提高和安全保证，这样的人工智能开发使用费应该是有所值的。
2 C) d, b: e/ z0 {& C

如果购买了授权码，再配置页面，需要选择合适的代理服务器，这里也提供了IP地址

最后一步就是部署阶段

这里选择适合的库模型，生成模型，并下载后嵌入到程序代码中，这里分为演示用，调试用和生产用，代码需要正确地授权，才能使用，应该不同阶段的价格差别很大的。

, N; O" `. {% l! F/ s  a

部署的过程提供了一个简易的hello范例代码
& \* d/ i" J% a4 a$ }1 [- y

这样就形成了完整的开发链条。

3 小结

   整个使用过程顺畅，结果完美。

   需要了解的是这个过程并不是想象中的简单，只是通过NanoEdge AI Studio实现了一个超乎寻常的探索体验，发现了完全没有想到的优秀。这样，可以跳过硬件部署和开发过程，直接进行自有模型的生产，反复测试。

   在完成了WIO AI Lite的评测后，找一个在可用范围内的开发板，完整实现从开发，数据调试到应用部署的过程，在3个月的有效期捏完成，应该是一个非常丝滑的体验。本次评测完毕。
$ _* k0 Z' }7 {3 D- x) Y' T

) Y; e& ?$ u% {' t6 y0 ~* q: [

( o2 @" U5 }& b

! k# o1 p, T9 O2 E

& s; x; f% G8 P9 V8 u

相当详细

厉害