意法半导体新增四款工具,简化STM32嵌入式AI模型开发流程

意法半导体(STMicroelectronics)重构了 ST Edge AI Suite 的工作流程,将开发者环境整合,并新增四款工具,用于简化嵌入式机器学习模型在 STM32 微控制器上的部署。新工具将于11月下旬推出。

四款工具分别对应模型查找、数据集构建、模型训练与优化、部署前硬件性能验证四个环节:

  • Model Explorer:提供网页界面,用户可在预训练模型中浏览并筛选出合适的AI模型。这些模型此前需要通过 Model Zoo 的 GitHub 仓库获取。
  • Dataset Factory:将原始数据采集并转换为可用、可靠的数据集。
  • Model Factory:支持面向应用目标的训练、定制、量化及其他微调,并针对 STM32 MCU 优化模型。
  • Model Bench:提供网页界面,借助 ST 的板卡集群(board farm)远程在硬件上对模型进行基准测试,用于部署前验证性能。该工具取代 ST Edge AI Developer Cloud。

“随着本地推理成为当今智能产品的一项决定性特征,高效地使用AI模型是设计人员的优先事项,”意法半导体边缘AI解决方案事业部副总裁 Stephane Henry 表示。“如今我们拥有微控制器厂商中最大的AI模型集合,超过400个预训练模型,其中很大一部分面向传感应用,即物理AI。通过将 Model Explorer、Model Factory、Dataset Factory 和 Model Bench 纳入 ST Edge AI Suite,我们把这部分支持整合到一个专为面向 STM32 器件的设计人员打造的环境中。”

据意法半导体介绍,目前有超过26万个项目通过 Edge AI Suite 获得支持,且这一数字持续增长。其用户群体包括大型蓝筹科技品牌的工程师,也包括各种规模的公司,涵盖初创企业与独立开发者。

从消费电子到工业传感器、控制、医疗设备与汽车系统,嵌入式AI被视为实现有竞争力的功能、性能与功耗水平的关键。工程师需要新一代工具与工作流程,用于选择模型并将其适配到具体用例、优化内存与算力,以及在目标硬件上验证性能。

ST Edge AI Suite 将用户接入更广泛的 STM32 生态,该生态包含超过4000个商用料号。与之配套的 STM32Cube 生态提供 MCU 选型与配置工具,包含软件库与代码示例,并允许用户在自选的集成开发环境(IDE)中工作。STM32Cube 还可对接评估硬件,从低成本的 STM32 Nucleo 开发板到全功能 Discovery 套件,以及无线连接、视觉、飞行时间(ToF)、物联网传感、电机驱动等扩展板。

上述四款新工具将于11月下旬推出,当前版本的 ST Edge AI Suite 已可使用。

新人专享大礼包