使用 Edge Impulse，可以創(chuàng)建嵌入微型機(jī)器學(xué)習(xí)和 DNN 模型的智能設(shè)備解決方案?；谠频慕鉀Q方案抽象了現(xiàn)實(shí)世界傳感器數(shù)據(jù)收集和存儲(chǔ)、數(shù)據(jù)特征提取、ML 和 DNN 模型訓(xùn)練和轉(zhuǎn)換為嵌入式代碼以及在 STM32 MCU 設(shè)備上部署模型的復(fù)雜性。無(wú)需安裝本地 AI 框架，工程師只需一次函數(shù)調(diào)用即可生成模型并將其導(dǎo)出到他們的 STM32 項(xiàng)目中。所有生成的神經(jīng)網(wǎng)絡(luò)現(xiàn)在都充分利用 STM32Cube.AI以確保它們盡可能快速和節(jié)能地運(yùn)行，并且可以使用STM32CubeMX完全定制固件。

在微控制器上部署機(jī)器學(xué)習(xí) （ML） 模型是過(guò)去幾年最激動(dòng)人心的發(fā)展之一，它允許小型電池供電設(shè)備檢測(cè)復(fù)雜運(yùn)動(dòng)、識(shí)別聲音、分類(lèi)圖像或發(fā)現(xiàn)傳感器數(shù)據(jù)中的異常。為了讓每個(gè)嵌入式開(kāi)發(fā)人員都可以構(gòu)建和部署這些模型，STMicroelectronics 和 Edge Impulse 一直在合作，將對(duì) STM32CubeMX 和 STM32Cube.AI 的支持集成到 Edge Impulse。Edge Impulse Cloud 現(xiàn)在能夠通過(guò)本地 STM32Cube.AI 引擎導(dǎo)出神經(jīng)網(wǎng)絡(luò)，以確保將最佳效率導(dǎo)入與 STM32CubeMX 項(xiàng)目兼容的 CMSIS PACK。這為開(kāi)發(fā)人員提供了一種簡(jiǎn)單的方法來(lái)收集數(shù)據(jù)、構(gòu)建模型并部署到任何 STM32 MCU。

小型設(shè)備的機(jī)器學(xué)習(xí)

嵌入式系統(tǒng)上的機(jī)器學(xué)習(xí)（通常稱(chēng)為 TinyML）有可能允許創(chuàng)建無(wú)需將數(shù)據(jù)發(fā)送到云端就可以做出明智決策的小型設(shè)備——從效率和隱私的角度來(lái)看非常棒。為了在微控制器上運(yùn)行深度學(xué)習(xí)模型（基于人工神經(jīng)網(wǎng)絡(luò)），ST 推出了STM32Cube.AI。STM32Cube.AI 是一個(gè)軟件包，可以采用預(yù)先訓(xùn)練的深度學(xué)習(xí)模型，并將它們轉(zhuǎn)換為可以在 STM32 MCU 上運(yùn)行的高度優(yōu)化的數(shù)學(xué) C 代碼。提取正確的特征、構(gòu)建質(zhì)量數(shù)據(jù)集以及訓(xùn)練模型以便將其部署到 STM32 上，這些都是構(gòu)建基于 ML 的解決方案的關(guān)鍵步驟。

機(jī)器學(xué)習(xí)讓一切變得簡(jiǎn)單

嵌入式開(kāi)發(fā)人員可能天生對(duì)機(jī)器學(xué)習(xí)持懷疑態(tài)度。在嵌入式設(shè)備上分析傳感器數(shù)據(jù)并不是什么新鮮事。幾十年來(lái)，開(kāi)發(fā)人員一直在使用信號(hào)處理從原始數(shù)據(jù)中提取有趣的特征。然后通過(guò)簡(jiǎn)單的基于規(guī)則的系統(tǒng)解釋信號(hào)處理的結(jié)果，例如，當(dāng)信號(hào)中的總能量超過(guò)閾值時(shí)發(fā)送消息。盡管這些系統(tǒng)運(yùn)行良好，但很難檢測(cè)到復(fù)雜的事件，因?yàn)槟枰槍?duì)系統(tǒng)的每個(gè)潛在狀態(tài)進(jìn)行規(guī)劃。

Edge Impulse 有助于可視化特征以理解復(fù)雜的數(shù)據(jù)集

我們可以用機(jī)器學(xué)習(xí)做的是在更細(xì)粒度的問(wèn)題中找到這些邊界和閾值。例如，在異常檢測(cè)中，您可以訓(xùn)練一個(gè)機(jī)器學(xué)習(xí)模型（經(jīng)典或神經(jīng)網(wǎng)絡(luò)）來(lái)查看數(shù)據(jù)集中的所有數(shù)據(jù)，根據(jù)信號(hào)處理管道的輸出對(duì)它們進(jìn)行聚類(lèi)（仍然與您使用的 DSP 指令相同）總是），然后將新數(shù)據(jù)與集群進(jìn)行比較。監(jiān)督模型學(xué)習(xí)數(shù)據(jù)中的所有潛在變化，并創(chuàng)建比手動(dòng)構(gòu)建更精確和細(xì)粒度的閾值。

學(xué)習(xí)集群的小型機(jī)器學(xué)習(xí)模型。藍(lán)點(diǎn)代表訓(xùn)練數(shù)據(jù)，藍(lán)色圓圈是機(jī)器學(xué)習(xí)模型學(xué)習(xí)的集群。橙色點(diǎn)是傳入的新數(shù)據(jù)。由于數(shù)據(jù)在任何已知集群之外，這是一個(gè)異?，F(xiàn)象。

而且由于這些閾值可以在如此細(xì)粒度的問(wèn)題中自動(dòng)計(jì)算，因此可以檢測(cè)到更復(fù)雜的事件。編寫(xiě)檢測(cè)麥克風(fēng)何時(shí)拾取高于 100dB 的聲音的代碼相對(duì)容易，但檢測(cè)一個(gè)人是否說(shuō)“是”或“否”則非常復(fù)雜。機(jī)器學(xué)習(xí)確實(shí)在那里大放異彩。

不是黑匣子

但是將控制權(quán)交給機(jī)器學(xué)習(xí)模型可能會(huì)很可怕。如果您在數(shù)百萬(wàn)臺(tái)設(shè)備中部署模型，您希望確保該模型確實(shí)有效，并且您沒(méi)有錯(cuò)過(guò)任何邊緣情況。為了解決這個(gè)問(wèn)題，Edge Impulse 傾向于傳統(tǒng)的信號(hào)處理管道與小型 ML 模型搭配，而不是深度 ML“黑盒類(lèi)型”模型；它有許多可視化工具來(lái)幫助確定數(shù)據(jù)集的質(zhì)量，根據(jù)當(dāng)前模型分析新數(shù)據(jù)，并在真實(shí)設(shè)備上快速測(cè)試模型。特征瀏覽器根據(jù) 3D 圖形中所有生成的窗口繪制提取的特征，允許開(kāi)發(fā)人員探索數(shù)據(jù)集并了解這些特征是否可以輕松地被模型分離。

在 Edge Impulse 中可視化口語(yǔ)關(guān)鍵字。每個(gè)點(diǎn)代表 1 秒的音頻。可以快速查看異常值，您可以單擊一個(gè)點(diǎn)來(lái)收聽(tīng)關(guān)鍵字。

使用 STM32Cube.AI 在頂部添加神經(jīng)網(wǎng)絡(luò)模型

例如，在為分類(lèi)或回歸任務(wù)構(gòu)建神經(jīng)網(wǎng)絡(luò)時(shí)，優(yōu)化目標(biāo)微控制器的模型占用空間和執(zhí)行時(shí)間至關(guān)重要。Developers automatically benefit from all STM32Cube.AI optimizations as the tool is automatically called in the Cloud when the STM32Cube.AI CMSIS-PACK export option is selected.

STM32Cube.AI 執(zhí)行模型量化和其他優(yōu)化，允許以最小的性能下降進(jìn)行壓縮，并為所有 STM32 微控制器生成優(yōu)化的 C 代碼。

STM32Cube.AI CMSIS-PACK 部署將整個(gè)模型打包，包括所有信號(hào)處理代碼和機(jī)器學(xué)習(xí)模型，并創(chuàng)建一個(gè)與 STM32CubeIDE 集成的 CMSIS-PACK。此包可在任何 Cortex-M4F、Cortex-M7 或 Cortex-M33 STM32 MCU 上運(yùn)行。

要將 CMSIS-PACK 添加到您的 STM32 項(xiàng)目中，請(qǐng)按照分步指南進(jìn)行操作。然后，您可以為在 STM32Cube 環(huán)境中嵌入機(jī)器學(xué)習(xí)模型的任何基于 STM32 的產(chǎn)品開(kāi)發(fā)自定義固件。

審核編輯：郭婷