Zaloguj się
Wszystkie
26 stycznia 2022
737
Oprócz generowania bibliotek, rozszerzenie oferuje również kilka sposobów sprawdzania algorytmów sztucznej inteligencji, zarówno na komputerze stacjonarnym, jak i na mikrokontrolerach STM32. Umożliwia również mierzenie wydajności algorytmów na układach STM32.
Funkcje rozszerzenia:
- Generowanie biblioteki zoptymalizowanej pod kątem mikrokontrolerów STM32 na podstawie wstępnie wytrenowanych modeli sieci neuronowych i klasycznych modeli uczenia maszynowego
- Natywne wsparcie dla różnych frameworków Deep Learning, takich jak Keras i TensorFlow Lite, oraz wsparcie dla wszystkich frameworków, które mogą eksportować do standardowego formatu ONNX, takiego jak PyTorch, Microsoft Cognitive Toolkit, MATLAB i inne
- Obsługa różnych wbudowanych modeli scikit-learn, takich jak las izolacji, maszyna wektorów nośnych (SVM), K-średnie i inne
- Obsługuje 8-bitową kwantyzację sieci Keras i sieci kwantyzacji TensorFlow Lite
- Umożliwia korzystanie z większych sieci poprzez przechowywanie wag w zewnętrznej pamięci Flash i buforów aktywacyjnych w zewnętrznej pamięci RAM
- Ułatwia przenoszenie między różnymi seriami mikrokontrolerów STM32 dzięki integracji z STM32Cube
Warto dodać, że rozszerzenie X-CUBE-AI jest darmowe. Dostępne jest na systemy Linux, Mac oraz Windows. Najłatwiejszym sposobem jego użycia jest pobranie go w narzędziu STM32CubeMX (wersja 5.4 lub nowsza). Pracę z tym rozszerzeniem najlepiej rozpocząć od przeczytania dokumentu, opisującego początki z X-CUBE-AI.
Instrukcja obsługi UM2526
NAPISZ DO AUTORA
Facebook
Twitter
Linkedin
Kup teraz
