一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

STM32Cube.AI帶來神經(jīng)網(wǎng)絡(luò)處理改變物聯(lián)網(wǎng)格局戰(zhàn)略

星星科技指導(dǎo)員 ? 來源:意法半導(dǎo)體 ? 作者:意法半導(dǎo)體 ? 2022-05-13 10:55 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

ST 的 Markus Mayr 概述了STM32Cube.AI,這是業(yè)界最先進的工具包,能夠與流行的深度學(xué)習(xí)庫進行互操作,將任何用于 STM32 微控制器MCU) 的人工神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換為運行優(yōu)化推理。

在過去的五年里,人工智能 (AI) 已經(jīng)從一個流行語轉(zhuǎn)變?yōu)楝F(xiàn)實,人工智能在面部和語音識別、金融欺詐檢測、預(yù)測性維護和在線購物建議中得到了應(yīng)用,現(xiàn)在已經(jīng)成為許多人日常生活的一部分——隨著即將出現(xiàn)的新應(yīng)用。

人工智能是一組使計算機能夠模仿人類行為和智能的技術(shù)。它以從數(shù)據(jù)中提取意義的機器和深度學(xué)習(xí)算法集為基礎(chǔ)。為了開發(fā)包含 AI 功能的應(yīng)用程序,您需要專門的工具和專業(yè)知識,這對于缺乏機器和深度學(xué)習(xí)培訓(xùn)的資深嵌入式開發(fā)人員來說可能是一個挑戰(zhàn)。

將數(shù)據(jù)科學(xué)帶給嵌入式系統(tǒng)專家

STM32Cube.AI意義重大,因為經(jīng)常使用 STM32 MCU 專門研究嵌入式系統(tǒng)的開發(fā)人員可能不熟悉神經(jīng)網(wǎng)絡(luò)。同樣,從事機器學(xué)習(xí)工作的數(shù)據(jù)科學(xué)家可能更習(xí)慣于云計算幾乎無窮無盡的計算資源,并且可能對嵌入式開發(fā)的內(nèi)存和計算限制不太適應(yīng)。STM32Cube.AI 通過揭開 AI 和嵌入式系統(tǒng)的神秘面紗,并通過將神經(jīng)網(wǎng)絡(luò)引入嵌入式邊緣開發(fā)來擴展物聯(lián)網(wǎng),提供工具來利用更廣泛的開發(fā)人員群體的專業(yè)知識。

傳統(tǒng)上,人工智能計算是在云端執(zhí)行的,大量原始傳感器數(shù)據(jù)由網(wǎng)關(guān)聚合,然后發(fā)送到基于云的人工智能引擎。這種架構(gòu)具有優(yōu)勢,因為它可以處理需要大量計算能力的非常大的數(shù)據(jù)集和計算。另一方面,這種方法需要大量的功率和高網(wǎng)絡(luò)帶寬,并且在云中進行大量且昂貴的計算。由于需要將數(shù)據(jù)發(fā)送到云進行處理,它還引入了延遲和隱私風(fēng)險。

分布式 AI 架構(gòu)是一種更輕巧、更敏捷的 AI 計算方法,其中網(wǎng)絡(luò)邊緣的嵌入式處理器和微控制器對傳感器數(shù)據(jù)進行預(yù)處理,顯著減少發(fā)送到云端的數(shù)據(jù)集大小或在沒有任何連接的情況下自主執(zhí)行神經(jīng)網(wǎng)絡(luò)到云端。借助 STM32Cube.AI,配備 STM32 MCU 的邊緣物聯(lián)網(wǎng)設(shè)備現(xiàn)在可以直接運行神經(jīng)網(wǎng)絡(luò),在邊緣實現(xiàn)實時 AI 計算并立即做出響應(yīng),保護隱私并減少網(wǎng)絡(luò)帶寬和集中式計算能力。

STM32Cube.AI 的工作原理

在 STM32 MCU 上實現(xiàn)神經(jīng)網(wǎng)絡(luò)的第一步是將依賴于框架的預(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)輸入到 STM32Cube.AI 轉(zhuǎn)換工具中,該工具用作STM32CubeMX代碼生成器的擴展包。STM32Cube.AI 支持快速、自動導(dǎo)入由流行設(shè)計框架(如 Keras、TensorFlow-Lite、Caffe、Lasagne 和 ConvnetJS)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)。它將神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換為 MCU 的優(yōu)化代碼。然后,該工具將經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)映射到 STM32 MCU 并優(yōu)化生成的庫以減少內(nèi)存占用。完成所有這些后,STM32Cube.AI 將 NN 提供給開發(fā)人員。

除了 STM32Cube.AI 工具包外,意法半導(dǎo)體還提供其他產(chǎn)品和技術(shù)來幫助彌合嵌入式和 AI 系統(tǒng)開發(fā)人員之間的差距。其中包括專門為捕獲和處理傳感器數(shù)據(jù)而設(shè)計的SensorTile 開發(fā)套件,以及STM32 IoT 節(jié)點,這是一個多傳感器探索套件,具有集成的低功耗無線 BLE、NFC、Sub GHz 和 Wi-Fi 無線電,可幫助用戶開發(fā)直接連接到云服務(wù)器的應(yīng)用程序。

ST 還提供一系列STM32 功能包,它們將低級驅(qū)動程序、中間件庫和示例應(yīng)用程序組合到一個軟件包中。傳感功能包 幫助快速啟動結(jié)合和處理來自多個傳感器的數(shù)據(jù)以實現(xiàn)高級檢測和監(jiān)控功能的應(yīng)用示例的實施和開發(fā),例如運動識別、語音識別、環(huán)境監(jiān)控、定位、跌倒檢測、訪問控制和入侵檢測。

STM32Cube.AI 不僅僅是一個工具包——它象征著意法半導(dǎo)體通過為所有 STM32 開發(fā)人員帶來神經(jīng)網(wǎng)絡(luò)處理來改變物聯(lián)網(wǎng)格局的戰(zhàn)略。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4814

    瀏覽量

    103631
  • 意法半導(dǎo)體
    +關(guān)注

    關(guān)注

    31

    文章

    3261

    瀏覽量

    109993
  • 無線電
    +關(guān)注

    關(guān)注

    61

    文章

    2174

    瀏覽量

    117992
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個方面存在顯著差異,以下是對兩者的比較: 一、結(jié)構(gòu)特點 BP神經(jīng)網(wǎng)絡(luò) : BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-12 15:53 ?670次閱讀

    什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法

    BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法(Backpropagation Algorithm)是一種用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的有效方法。以下是關(guān)于BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法的介紹: 一、基本概念 反向傳播算法是BP
    的頭像 發(fā)表于 02-12 15:18 ?771次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    ),是一種多層前饋神經(jīng)網(wǎng)絡(luò),它通過反向傳播算法進行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)由輸入層、一個或多個隱藏層和輸出層組成,通過逐層遞減的方式調(diào)整網(wǎng)絡(luò)權(quán)重,目的是最小化網(wǎng)絡(luò)的輸出誤差。 二、深度學(xué)習(xí)的
    的頭像 發(fā)表于 02-12 15:15 ?863次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的基本原理

    輸入層、隱藏層和輸出層組成。其中,輸入層負(fù)責(zé)接收外部輸入數(shù)據(jù),這些數(shù)據(jù)隨后被傳遞到隱藏層。隱藏層是BP神經(jīng)網(wǎng)絡(luò)的核心部分,它可以通過一層或多層神經(jīng)元對輸入數(shù)據(jù)進行加權(quán)求和,并通過非線性激活函數(shù)(如ReLU、sigmoid或tanh)進行
    的頭像 發(fā)表于 02-12 15:13 ?858次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    在上一篇文章中,我們介紹了傳統(tǒng)機器學(xué)習(xí)的基礎(chǔ)知識和多種算法。在本文中,我們會介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法,供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡(luò) ? 人工神經(jīng)網(wǎng)絡(luò)模型之所
    的頭像 發(fā)表于 01-09 10:24 ?1196次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    如何在STM32f4系列開發(fā)板上部署STM32Cube.AI

    已下載STM32Cube.AI擴展包,但是無法使用,感覺像是沒有部署AI模型,我是想要通過攝像頭拍照,上傳圖像后,經(jīng)過開發(fā)板處理器進行AI模型處理
    發(fā)表于 11-18 09:39

    卷積神經(jīng)網(wǎng)絡(luò)在自然語言處理中的應(yīng)用

    自然語言處理是人工智能領(lǐng)域的一個重要分支,它致力于使計算機能夠理解、解釋和生成人類語言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)作為一種強大的模型,在圖像識別和語音處理等領(lǐng)域取得了顯著成果
    的頭像 發(fā)表于 11-15 14:58 ?807次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    在深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)
    的頭像 發(fā)表于 11-15 14:53 ?1878次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)是機器學(xué)習(xí)領(lǐng)域中的一種強大工具,它們能夠模擬人腦處理信息的方式。隨著技術(shù)的發(fā)展,神經(jīng)網(wǎng)絡(luò)的類型也在不斷增加,其中循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)和傳統(tǒng)
    的頭像 發(fā)表于 11-15 09:42 ?1129次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作機制

    LSTM(Long Short-Term Memory,長短期記憶)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),設(shè)計用于解決長期依賴問題,特別是在處理時間序列數(shù)據(jù)時表現(xiàn)出色。以下是LSTM神經(jīng)
    的頭像 發(fā)表于 11-13 10:05 ?1632次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)RNN的區(qū)別

    在深度學(xué)習(xí)領(lǐng)域,循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)因其能夠處理序列數(shù)據(jù)而受到廣泛關(guān)注。然而,傳統(tǒng)RNN在處理長序列時存在梯度消失或梯度爆炸的問題。為了解決這一問題,LSTM(長短期記憶)神經(jīng)網(wǎng)絡(luò)應(yīng)
    的頭像 發(fā)表于 11-13 09:58 ?1214次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的基本原理 如何實現(xiàn)LSTM神經(jīng)網(wǎng)絡(luò)

    LSTM(長短期記憶)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),它能夠?qū)W習(xí)長期依賴信息。在處理序列數(shù)據(jù)時,如時間序列分析、自然語言處理等,LSTM因其能夠有效地捕捉時間序列中的長期依
    的頭像 發(fā)表于 11-13 09:53 ?1587次閱讀

    關(guān)于卷積神經(jīng)網(wǎng)絡(luò),這些概念你厘清了么~

    隨著人工智能(AI)技術(shù)的快速發(fā)展,AI可以越來越多地支持以前無法實現(xiàn)或者難以實現(xiàn)的應(yīng)用。本文基于此解釋了 卷積神經(jīng)網(wǎng)絡(luò) (CNN)及其對人工智能和機器學(xué)習(xí)的意義。CNN是一種能夠從復(fù)雜數(shù)據(jù)中提
    發(fā)表于 10-24 13:56

    matlab 神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析

    matlab神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析 精通的可以討論下
    發(fā)表于 09-18 15:14

    如何構(gòu)建多層神經(jīng)網(wǎng)絡(luò)

    構(gòu)建多層神經(jīng)網(wǎng)絡(luò)(MLP, Multi-Layer Perceptron)模型是一個在機器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域廣泛使用的技術(shù),尤其在處理分類和回歸問題時。在本文中,我們將深入探討如何從頭開始構(gòu)建一個多層神經(jīng)網(wǎng)絡(luò)模型,包括模型設(shè)計、
    的頭像 發(fā)表于 07-19 17:19 ?1569次閱讀