意法半導體已將其 STM32Cube.AI 機器學習開發環境置于云端。

　　與現有的離線版本并行，意法半導體已將其 STM32Cube.AI 機器學習開發環境放入云端，并配有可云訪問的意法半導體MCU板進行測試。

　　這兩個版本都從TensorFlow，PyTorch或ONNX文件為STM32微控制器生成優化的C代碼。開發人員云版本使用與可下載版本相同的核心工具，但增加了與意法半導體github模型庫的接口，并能夠在連接到云的ST板上遠程運行模型，以便在不同硬件上測試性能。

　　“[我們希望]解決一類新的用戶：人工智能社區，特別是數據科學家和 人工智能開發人員 習慣于在在線服務和平臺上開發，“意法半導體AI產品營銷經理Vincent Richard告訴EE Times。“這就是我們對開發人員云的目標...用戶無需下載，他們直接進入界面并開始開發和測試。

　　意法半導體不希望用戶從離線版本遷移到云版本，因為 STM32Cube.AI 的可下載/可安裝版本非常適合已經在使用的嵌入式開發人員。 意法半導體的發展歷程 其他任務的環境，例如定義外圍設備。理查德說，數據科學家和人工智能社區中的許多其他潛在用戶使用“不同的世界”工具。

　　“我們希望他們更接近硬件，而做到這一點的方法是使我們的工具適應他們的工作方式，”他補充說。

　　意法半導體的github模型庫目前包括針對STM32 MCU優化的示例模型，用于人體運動檢測、圖像分類、 物體檢測 和音頻事件檢測。開發人員可以使用這些模型作為開發自己的應用程序的起點。

　　新的電路板群允許用戶直接在不同的STM32 MCU上遠程測量優化模型的性能。

　　“無需購買一堆STM32板來測試AI，由于在我們的ST板場上物理運行的代碼，他們可以遠程完成，”理查德說。“他們可以在不同的板上獲得真正的延遲和內存占用測量值，以進行推理。

　　Richard表示，每個STM32部件號的電路板場將開始提供10塊電路板，未來幾個月將增加。這些電路板位于多個地方，與意法半導體的基礎設施分開，以確保穩定和安全的服務。

　　意法半導體最初計劃在云中為每個STM32器件提供10塊電路板，后續還會有更多電路板(來源：意法半導體)

　　優化代碼

　　STM32Cube工具箱中的工具.AI包括圖形優化器，它可以轉換微控制器的TensorFlow Lite，PyTorch或ONNX文件，以優化基于STM32庫的C代碼。重新編寫圖形以優化內存占用或延遲，或可由用戶控制的兩者的某種平衡。

　　還有一個內存優化器，以圖形方式顯示每層正在使用多少內存(閃存和RAM)。例如，對于內存來說太大的單個層可以分為兩個步驟。

　　以前 MLPerf 微小結果 與標準CMSIS-NN分數相比，意法半導體的推理引擎(Arm的CMSIS-NN的優化版本)具有性能優勢。

　　STM32CubeAI開發云還將支持意法半導體即將推出的微控制器，包括內部開發的NPU，即STM32N6。

　　本文最初發表于 電子電氣時報.

　　莎莉·沃德-福克斯頓 為EETimes Europe雜志涵蓋 EETimes.com 和歐洲工業各個方面的AI技術和相關問題。Sally 花了超過 15 年的時間在英國倫敦撰寫有關電子行業的文章。她為電子設計，ECN，電子規范符：設計，電子組件等撰寫文章。她擁有劍橋大學電氣和電子工程碩士學位。