意法半導(dǎo)體已將其 STM32Cube.AI 機器學(xué)習(xí)開發(fā)環(huán)境置于云端。

　　與現(xiàn)有的離線版本并行，意法半導(dǎo)體已將其 STM32Cube.AI 機器學(xué)習(xí)開發(fā)環(huán)境放入云端，并配有可云訪問的意法半導(dǎo)體MCU板進行測試。

　　這兩個版本都從TensorFlow，PyTorch或ONNX文件為STM32微控制器生成優(yōu)化的C代碼。開發(fā)人員云版本使用與可下載版本相同的核心工具，但增加了與意法半導(dǎo)體github模型庫的接口，并能夠在連接到云的ST板上遠(yuǎn)程運行模型，以便在不同硬件上測試性能。

　　“[我們希望]解決一類新的用戶：人工智能社區(qū)，特別是數(shù)據(jù)科學(xué)家和 人工智能開發(fā)人員 習(xí)慣于在在線服務(wù)和平臺上開發(fā)，“意法半導(dǎo)體AI產(chǎn)品營銷經(jīng)理Vincent Richard告訴EE Times?！斑@就是我們對開發(fā)人員云的目標(biāo)...用戶無需下載，他們直接進入界面并開始開發(fā)和測試。

　　意法半導(dǎo)體不希望用戶從離線版本遷移到云版本，因為 STM32Cube.AI 的可下載/可安裝版本非常適合已經(jīng)在使用的嵌入式開發(fā)人員。 意法半導(dǎo)體的發(fā)展歷程 其他任務(wù)的環(huán)境，例如定義外圍設(shè)備。理查德說，數(shù)據(jù)科學(xué)家和人工智能社區(qū)中的許多其他潛在用戶使用“不同的世界”工具。

　　“我們希望他們更接近硬件，而做到這一點的方法是使我們的工具適應(yīng)他們的工作方式，”他補充說。

　　意法半導(dǎo)體的github模型庫目前包括針對STM32 MCU優(yōu)化的示例模型，用于人體運動檢測、圖像分類、 物體檢測 和音頻事件檢測。開發(fā)人員可以使用這些模型作為開發(fā)自己的應(yīng)用程序的起點。

　　新的電路板群允許用戶直接在不同的STM32 MCU上遠(yuǎn)程測量優(yōu)化模型的性能。

　　“無需購買一堆STM32板來測試AI，由于在我們的ST板場上物理運行的代碼，他們可以遠(yuǎn)程完成，”理查德說?！八麄兛梢栽诓煌陌迳汐@得真正的延遲和內(nèi)存占用測量值，以進行推理。

　　Richard表示，每個STM32部件號的電路板場將開始提供10塊電路板，未來幾個月將增加。這些電路板位于多個地方，與意法半導(dǎo)體的基礎(chǔ)設(shè)施分開，以確保穩(wěn)定和安全的服務(wù)。

　　意法半導(dǎo)體最初計劃在云中為每個STM32器件提供10塊電路板，后續(xù)還會有更多電路板(來源：意法半導(dǎo)體)

　　優(yōu)化代碼

　　STM32Cube工具箱中的工具.AI包括圖形優(yōu)化器，它可以轉(zhuǎn)換微控制器的TensorFlow Lite，PyTorch或ONNX文件，以優(yōu)化基于STM32庫的C代碼。重新編寫圖形以優(yōu)化內(nèi)存占用或延遲，或可由用戶控制的兩者的某種平衡。

　　還有一個內(nèi)存優(yōu)化器，以圖形方式顯示每層正在使用多少內(nèi)存(閃存和RAM)。例如，對于內(nèi)存來說太大的單個層可以分為兩個步驟。

　　以前 MLPerf 微小結(jié)果 與標(biāo)準(zhǔn)CMSIS-NN分?jǐn)?shù)相比，意法半導(dǎo)體的推理引擎(Arm的CMSIS-NN的優(yōu)化版本)具有性能優(yōu)勢。

　　STM32CubeAI開發(fā)云還將支持意法半導(dǎo)體即將推出的微控制器，包括內(nèi)部開發(fā)的NPU，即STM32N6。

　　本文最初發(fā)表于 電子電氣時報.

　　莎莉·沃德-?？怂诡D 為EETimes Europe雜志涵蓋 EETimes.com 和歐洲工業(yè)各個方面的AI技術(shù)和相關(guān)問題。Sally 花了超過 15 年的時間在英國倫敦撰寫有關(guān)電子行業(yè)的文章。她為電子設(shè)計，ECN，電子規(guī)范符：設(shè)計，電子組件等撰寫文章。她擁有劍橋大學(xué)電氣和電子工程碩士學(xué)位。