随着在面部和语音识别、金融欺诈检测、预测性维护以及在线购物中的应用,如今AI已成为人们日常生活密不可分的一部分。 2020年,随着疫情逐渐向好,新基建等持续升温,AI在战疫及经济建设过程中屡建奇功。AI对每个行业和领域都带来了观念上的冲击和变革,正在重塑经济、重塑行业,推动整个人类社会走向更美好的未来。 AI被定义为在像人类一样思考并模仿其行为的机器中模拟人类智能,是包括机器学习和深度学习在内的各种技术的组合,用于为解决问题、推理、感知和语言智能等不同目的创建硬件和软件。为了开发包含AI功能的应用程序,技术人员需要专门的工具和专业知识,这对缺乏机器和深度学习培训的嵌入式开发人员来说是不小的挑战。 分布式AI呈现强劲发展势头 传统上,AI计算是在云中执行的,大量的原始传感器数据由网关聚合,然后发送到基于云的AI引擎。这个体系结构的优势是,它可以处理非常庞大的数据集和海量的计算。另一方面,这种方法消耗大量的功耗和网络带宽,而且在云中的计算量巨大又昂贵。由于需要将数据发送到云进行处理,还会带来延迟和隐私泄露的风险 分布式AI体系结构是一种更轻便、更敏捷的AI计算方法,由网络边缘的嵌入式处理器和微控制器对传感器数据进行预处理,从而显著减少了传输到云或自动执行神经网络的数据量,而无需任何云连接。分布式AI可以在用户的设备上本地运行,访问更多的用户数据,并且不依赖于网络连接,这意味着更低的功耗和最少的延迟。2017年4月,在谷歌宣布了其FederatedLearning的概念之后,分布式AI呈现出强劲的发展势头。这一创新标志着向完全分散的学习和以设备为中心的AI的过渡。 + _3 H1 Q$ u/ \1 ?作为半导体行业的专家,ST在嵌入式AI应用的探索道路上也一直走在前列。STM32Cube.AI,是ST推出的一个先进的工具包,能够与流行的深度学习库进行互操作,将任何人工神经网络转换并应用于STM32微控制器(MCU)。借助STM32Cube.AI,基于STM32 MCU的边缘IoT设备现在可以直接运行神经网络,可以在边缘和即时响应中进行实时AI计算,从而保护隐私,减少占用网络带宽和消耗大量计算机功耗。 STM32Cube.AI对AI在嵌入式领域的应用具有重要意义。因为使用基于STM32 MCU的嵌入式系统的开发人员可能不熟悉神经网络。同样,从事机器学习的数据科学家更习惯基于云的海量计算资源,并且对嵌入式开发的内存和计算约束不太满意。STM32Cube.AI揭开了AI和嵌入式系统的神秘面纱,能够充分利用更多的开发人员的专业知识,从而将神经网络带入嵌入式边缘开发领域,进一步拓展了物联网应用。 STM32Cube.AI 让嵌入式专家驾轻就熟用AI . f! G. j h) M; o7 HSTM32Cube.AI让嵌入式系统专家只需五个步骤即可构建一个神经网络。 · 首先,获取需要处理的数据样本; · 其次,清理数据并对需要的数据打上标签,使用神经网络开发框架构建神经网络模型; · 然后,利用整理好的数据对模型进行训练并生成网络模型; · 再次,用STMCube.AI工具将模型转换为STM32上运行的代码; · 最后,在STM32上部署模型,就可以用设计好的神经网络模型实现系统功能了。 STM32Cube.AI支持快速、自动导入由流行的设计框架(例如Keras,TensorFlow-Lite,Caffe,Lasagne和ConvnetJS)训练的神经网络。 ' a; W% o9 h& d) N6 k1 b \除了STM32Cube.AI工具包,ST还提供其他产品和技术来帮助缩小嵌入式系统和AI系统开发人员之间的距离。其中包括专门用于捕获和处理传感器数据的SensorTile开发套件以及STM32 IoT Node——一个集成了低功耗无线BLE、NFC、Sub GHz和Wi-Fi的多传感器开发套件,可帮助用户开发与云服务器直接连接的应用程序。 ST还提供了一系列STM32功能包,这些功能包将低级驱动程序、中间件库和示例应用程序组合成一个软件包。传感功能包能够帮助快速启动应用程序示例的实施和开发,这些示例程序整合并处理来自多个传感器的数据,提供高级检测和监视功能,例如运动识别、语音识别、环境监视、定位、跌倒检测、访问控制和入侵检测。 STM32Cube.AI 线上课程《基于STM32开发人工智能应用》现已上线。通过该课程,工程师们可以深入了解STM32Cube.AI及其具体应用,将ST的演示应用程序和开发板作为迈向自己嵌入式AI系统的铺路石。 STM32Cube.AI不仅仅是一个工具包,它更是ST通过将神经网络处理带给所有STM32开发人员,从而改变物联网格局的宏大战略,是加速分布式AI应用和发展的强大引擎。 Q; C1 S9 q1 X: ~' B |
学习学习。 |
高端应用越来越广泛了。喜欢" R: P6 y7 Z2 e1 ^' }* | |
【STM32H7S78-DK评测】移植AI框架TensorFlow【DSP指令加速篇】
【STM32H7S78-DK评测】移植AI框架TensorFlow【下篇】
【STM32H7S78-DK评测】移植AI框架TensorFlow Lite【上篇】
【STM32H7S78-DK评测】移植边缘AI推理框架——TFLM(TensorFlow Lite for Microcontrollers)上篇
破解边缘AI硬件与软件挑战,意法半导体解读三大创新要点
意法半导体助力企业产品智能化,加快边缘人工智能应用
STM32不至于芯,2023济南站研讨会
ST机器学习汽车解决方案
Cube.AI和NanoEdge AI具备哪些优秀的功能
边缘AI领域,ST可以提供哪些软硬件支持