意法半导体已将其 STM32Cube.AI 机器学习开发环境置于云端。

　　与现有的离线版本并行，意法半导体已将其 STM32Cube.AI 机器学习开发环境放入云端，并配有可云访问的意法半导体MCU板进行测试。

　　这两个版本都从TensorFlow，PyTorch或ONNX文件为STM32微控制器生成优化的C代码。开发人员云版本使用与可下载版本相同的核心工具，但增加了与意法半导体github模型库的接口，并能够在连接到云的ST板上远程运行模型，以便在不同硬件上测试性能。

　　“[我们希望]解决一类新的用户：人工智能社区，特别是数据科学家和 人工智能开发人员 习惯于在在线服务和平台上开发，“意法半导体AI产品营销经理Vincent Richard告诉EE Times。“这就是我们对开发人员云的目标...用户无需下载，他们直接进入界面并开始开发和测试。

　　意法半导体不希望用户从离线版本迁移到云版本，因为 STM32Cube.AI 的可下载/可安装版本非常适合已经在使用的嵌入式开发人员。 意法半导体的发展历程 其他任务的环境，例如定义外围设备。理查德说，数据科学家和人工智能社区中的许多其他潜在用户使用“不同的世界”工具。

　　“我们希望他们更接近硬件，而做到这一点的方法是使我们的工具适应他们的工作方式，”他补充说。

　　意法半导体的github模型库目前包括针对STM32 MCU优化的示例模型，用于人体运动检测、图像分类、 物体检测 和音频事件检测。开发人员可以使用这些模型作为开发自己的应用程序的起点。

　　新的电路板群允许用户直接在不同的STM32 MCU上远程测量优化模型的性能。

　　“无需购买一堆STM32板来测试AI，由于在我们的ST板场上物理运行的代码，他们可以远程完成，”理查德说。“他们可以在不同的板上获得真正的延迟和内存占用测量值，以进行推理。

　　Richard表示，每个STM32部件号的电路板场将开始提供10块电路板，未来几个月将增加。这些电路板位于多个地方，与意法半导体的基础设施分开，以确保稳定和安全的服务。

　　意法半导体最初计划在云中为每个STM32器件提供10块电路板，后续还会有更多电路板(来源：意法半导体)

　　优化代码

　　STM32Cube工具箱中的工具.AI包括图形优化器，它可以转换微控制器的TensorFlow Lite，PyTorch或ONNX文件，以优化基于STM32库的C代码。重新编写图形以优化内存占用或延迟，或可由用户控制的两者的某种平衡。

　　还有一个内存优化器，以图形方式显示每层正在使用多少内存(闪存和RAM)。例如，对于内存来说太大的单个层可以分为两个步骤。

　　以前 MLPerf 微小结果 与标准CMSIS-NN分数相比，意法半导体的推理引擎(Arm的CMSIS-NN的优化版本)具有性能优势。

　　STM32CubeAI开发云还将支持意法半导体即将推出的微控制器，包括内部开发的NPU，即STM32N6。

　　本文最初发表于 电子电气时报.

　　莎莉·沃德-福克斯顿 为EETimes Europe杂志涵盖 EETimes.com 和欧洲工业各个方面的AI技术和相关问题。Sally 花了超过 15 年的时间在英国伦敦撰写有关电子行业的文章。她为电子设计，ECN，电子规范符：设计，电子组件等撰写文章。她拥有剑桥大学电气和电子工程硕士学位。