在线研讨会
通过边缘AI助力日常IoT应用
了解如何使用智能传感器处理单元 (ISPU) 在IMU传感器上直接运行微型神经网络，以实现无与伦比的性能和效率。
Denise Sanfilippo
应用开发工程师
意法半导体边缘AI套件中提供的全部工具
面向X-LINUX-AI的AI
手势识别TOF AI
高速数据记录
MEMS STUDIO
NANOEDGE AI STUDIO
意法半导体边缘AI内核
意法半导体边缘AI
开发者云
意法半导体边缘AI Model Zoo
STELLAR STUDIO
STM32CUBE.AI
ST AIoT CRAFT
所有与意法半导体边缘AI解决方案相兼容的框架
具有边缘AI加速功能的STM32 MPU
最新一代64位STM32微处理器支持先进、安全的边缘AI应用。
功能概述
 | |||||||
| 架构 | 内核 Dual Arm® Cortex®-A35 | 工作频率 1.5 GHz | 协处理器 Arm® Cortex®-M33 | 协处理器频率 400 MHz | 支持DRAM DDR3(L)/DDR4/LPDDR4 16/32位 | ||
| 边缘AI和多媒体 | NPU 1.35 TOPS | 3D GPU 1080p60，配有RGB、LVDS、DSI输出 | 视频编码 H.264/VP8 编码/解码 | PCIe Gen2 | 以太网 含开关的3个端口（支持TSN） | USB 3 | 显示接口 LVDS/DSI/24b RGB |
| 安全加密 | 目标认证 SESIP 3级 PSA 1级认证 | TrustZone® 是 | 资源隔离框架 是 | 安全配置生态系统 是 |
了解所有支持AI的产品
常见问题解答
我们提供了清晰简洁的常见问题解答，供您参考。
有关如何在嵌入式项目中部署边缘AI的常见问题。
意法半导体边缘AI套件兼容多种类型的传感器，具体如下所示：
- 时间序列传感器：加速度计、陀螺仪、磁力计、温度传感器、ToF测距传感器以及其他随时间输出数据的传感器。
- 音频传感器：麦克风是捕获音频数据的主要传感器。
- 视觉传感器：摄像头（RGB、黑白、红外）、飞行时间传感器、雷达、激光雷达等。
意法半导体边缘AI套件针对其传感器进行了优化，包括内置MLC和ISPU的MEMS器件。只要提供的数据符合工具要求，它就能支持任何传感器。
意法半导体边缘AI套件中的工具可支持不同类型的数据：
- 高速数据记录：
- 时间序列数据
- NanoEdge AI Studio：
- 时间序列数据
- STM32Cube.AI (X-CUBE-AI)：
- 时间序列数据
- 音频数据
- 视觉数据
- MEMS Studio：
- 时间序列数据（来自MEMS传感器）
- StellarStudioAI：
- 时间序列数据
- 音频数据
- 面向OpenSTLinux的AI (X-LINUX-AI)：
- 时间序列数据
- 音频数据
- 视觉数据
- ST AIoT Craft：
- 时间序列数据（来自MEMS传感器）
- 对于所有意法半导体器件：意法半导体边缘AI内核CLI版和意法半导体边缘AI开发者云，可用于优化及评估任何意法半导体硬件上AI模型的性能。
- 对于STM32 MCU：STM32Cube.AI (X-CUBE-AI)支持神经网络优化。而NanoEdge AI Studio是一款AutoML工具。
- 对于STM32 MPU：开发者可以使用面向OpenSTLinux的AI (X-LINUX-AI)及适用于Linux AI框架的STM32MP2离线编译器。
- 对于Stellar MCU：StellarStudioAI是一款用于神经网络优化和部署的软件包。
- 对于内置机器学习内核的MEMS传感器：在线工具ST AIoT Craft和桌面工具MEMS Studio可用于数据分析、算法设计和模型优化。MLC模型库提供预先优化的模型。
- 对于内置ISPU的MEMS传感器：MEMS Studio支持数据分析和模型优化。ISPU模型库提供预先优化的模型。
意法半导体边缘AI套件可帮助用户轻松找到适合其项目的工具，从而为AI模型部署提供便利：
- 数据记录：捕获AI模型训练所需的传感器数据。
- 自动机器学习：自动生成优化的机器学习算法。
- 模型优化：优化AI模型并为目标器件生成相关代码。
- 验证和测试：确保模型性能符合部署标准。
- 在线基准测试：在云端测试意法半导体硬件上AI模型的性能。
嵌入式开发人员还可从以下方面受益：
- Model Zoo：简化受支持器件上AI模型的部署过程。
- 为完成整个部署过程提供更多指导的文档。
意法半导体边缘AI套件免费提供，包括商业用途，因而是将AI集成到嵌入式系统中的一个高性价比选择。
