Système de développement STM 32 pour réseaux de neurones
Avec STM32Cube.AI, les développeurs peuvent désormais convertir des réseaux de neurones déjà configurés en code C qui appelle des fonctions dans des bibliothèques optimisées pouvant être exécutées sur des MCU STM32.
STM32Cube.AI est fourni avec des packs de fonctions logiciels prêts à l’emploi qui incluent un exemple de code pour la reconnaissance de l’activité humaine et la classification des scènes audio. Ces exemples de code sont immédiatement utilisables avec la carte de référence ST SensorTile et l’application mobile ST BLE Sensor.
Une assistance supplémentaire, telle que des services d’ingénierie, est proposée aux développeurs par l’intermédiaire de partenaires qualifiés du programme de partenariat ST et de la communauté en ligne dédiée STM32 AI & Machine Learning (ML). Le pack d’extensions STM32Cube.AI (numéro de référence: X-Cube-AI) peut être téléchargé dans la configuration du microcontrôleur STM32CubeMX de ST et l’écosystème de génération de code logiciel. Aujourd’hui, l’outil prend en charge Caffe, Keras (avec le backend TensorFlow), Lasagne, les frameworks ConvnetJS et les IDE, y compris ceux de Keil, IAR et System Workbench.
Le pack de fonctions logicielles FP-AI-SENSING1 fournit des exemples de code pour la prise en charge d’applications de mouvement de bout en bout (reconnaissance d’activité humaine) et audio (classification de scène audio) basées sur des réseaux de neurones. Ce pack de fonctions s’appuie sur la carte de référence SensorTile de ST pour capturer et étiqueter les données du capteur avant le processus d’apprentissage. La carte peut alors exécuter des inférences du réseau de neurones optimisé.
L’application mobile ST BLE Sensor mobile app joue le rôle de télécommande et d’affichage de SensorTile.
La boîte à outils complète comprenant l’outil de mapping STM32Cube.AI, des exemples de logiciels d’application fonctionnant sur un matériel SensorTile de petite taille et alimenté par batterie, ainsi que le programme partenaire et le support dédié de la communauté offre un moyen rapide et facile de mettre en œuvre un réseau de neurones sur des composants STM32.
STMicroelectronics – www.st.com
electronica: Interview du CEO de STMicro sur l’automobile, l’AI et la Chine
Si vous avez apprécié cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à :
