说明：
/ T+ Z& h3 J1 B! f1、虽然目前大多数MCU没有足够内存和处理能力来运行DNN（深度神经网络）算法，但只要针对MCU进行优化，它们就可以运行DNN。

. Z' S4 V' I/ K2、2018年早先时候ST表示将于年底发布AI开发工具，并推出带AI加速的STM32系列芯片和相关专用ASIC。AI工具箱今天已经发布，同时今年1月8号的CES2019上将进行展示。
, w7 U: I$ K: O- ~$ d1 W
. I* x! |. s0 T3、STM32Cube.AI中包含用于人体活动识别和音频场景分类的代码示例，可用于ST参考传感器板和移动应用程序。经过训练的人工神经网络对运动和振动传感器，环境传感器，麦克风和图像传感器的数据信号进行分类，比传统的手工信号处理更加快速有效。
/ G; x" K2 f; L/ x* o
4、通过STM32Cube.AI，开发人员可以将预先训练的神经网络转换为C代码，该代码可以调用可在STM32 MCU上运行的优化库中的函数。
5 u3 K; h' E2 k) u
5、STM32CubeMx.AI采用来自各种最流行的AI框架（包括Caffe，CNTK，Keras，Lasagne，TensorFlow和theano）的预训练神经网络模型输出。

6、STM32Cube.AI不仅仅是一个简单的工具包，而是希望通过将神经网络引入所有STM32开发人员来改变物联网环境。
! b: \; L1 f: {1 L$ }  ~
" I) ~" h( w- i3 ]! h6 A视频介绍：
http://v.qq.com/x/page/a0822mtay4s.html

CubeMX里面已经携带：

7 u# h) V) K$ i8 C7 V7 H3 P
为下面的SensorTile开发套件提供了实例：
: Q2 M( a7 d! {& ^7 A7 \2 ^

详细的入门视频开始逐步的更新中：
# V+ m4 {" d4 h7 i/ M; v

多谢分享。。。

$ F/ ?8 ]6 }* }, R3 b2 z
- Q. a) A: B* \$ J4 g

不错！！！

多谢分享

要逆天了

围观看看