STMCU小助手
发布时间:2021-9-2 09:07
Y. {- C3 M. p 意法半导体STM32Cube.AI开发环境为用户提供各种机器学习技术,为他们尽可能高效地解决分类、聚类和新颖性检测三种算法挑战提供更多灵活性。 除了能够在STM32*微控制器(MCU)上开发用于边缘推理的神经网络外,最新的STM32Cube.AI版本(7.0版)还支持新的监督和半监督方法,这些方法可以处理更小的数据集和更少的CPU周期。其中包括孤立森林异常检测(iForest)和单类支持向量机(OC-SVM)新颖性检测,以及K-means和SVM分类器算法,现在,用户无需人工写代码就能实现这些算法。6 ^4 @+ o' X- [ # m& H# }% |6 o! c5 p/ ? 除神经网络之外,这些经典机器学习算法让开发人员通过易于使用的技术在STM32微控制器上转换、验证和部署各种学习模型,缩短研发周期,更快地解决人工智能开发挑战。9 ]2 K& F0 m, L7 q! f( g STM32Cube.AI允许开发人员将机器学习处理任务从云端转移到基于STM32的边缘设备,以减少延迟、节约能源、提高云利用率,并通过大限度地减少互联网上的数据交换来保护隐私。现在,用户使用STM32 MCU具有额外的灵活性,可以选择高效的机器学习技术进行设备上分析,是长期在线使用案例和智能电池供电应用的理想之选。 ( n( d2 O! y) m# C: I 新的STM32Cube.AI 7.0版现在已经上线,可以从www.st.com免费下载。! ^* c4 a% A$ S' y A2 j |
【STM32H5 评测】7、运行FreeRTOS+TrustZone工程
意法半导体助力STM32开发者简化AI模型开发流程
迈入融合时代:以统一的STM32 MCU平台释放物理AI潜能
从 CubeMX 到 MX2:这些关键变化必须知道
【STM32C0116-DK】MNIST 数字识别
【STM32H5 评测】ADC 电压表
【NUCLEO-C562RE】MNIST 数字识别
STM32Cube嵌入式软件更新(2026年8月)
【STM32H5 评测】MNIST 数字识别
【STM32H5 评测】基础硬件加密与随机数性能 - STM32H5E5实测硬件AES加解密、HASH运算、TRNG真随机数输出速率与稳定性
微信公众号
手机版