NanoEdge AI Studio
一款免费的AutoML软件，用于向嵌入式项目添加边缘AI，并逐步引导用户轻松找到符合其需求的最佳AI模型。
工具
创建、优化和部署您的机器学习算法。
全部
构思
数据
自带数据
自带模型
基准测试
部署
- AutoML：自动机器学习模型生成器
- 支持超过1000款Arm® Cortex®-M微控制器
- 用户友好型软件，可实现端到端边缘AI部署
NanoEdge AI Studio
4.4
一款免费的AutoML软件，用于向嵌入式项目添加边缘AI，并逐步引导用户轻松找到符合其需求的最佳AI模型。
- AutoML：自动机器学习模型生成器
- 支持超过1000款Arm® Cortex®-M微控制器
- 用户友好型软件，可实现端到端边缘AI部署
- 通过设备端学习来优化异常检测
- AutoML：自动机器学习模型生成器
NanoEdge AI Studio可为特定微控制器选择最佳ML算法（低代码/无代码解决方案）。
- 支持超过1000款Arm® Cortex®-M微控制器
支持所有STM32微控制器、超过100款意法半导体开发板、20款Arduino板件和超过1000款Arm<sup>®</sup> Cortex<sup>®</sup>-M微控制器。
- 用户友好型软件，可实现端到端边缘AI部署
无需用到专业知识。可在极短的时间内为微控制器打造小巧且先进的AI模型。
- 通过设备端学习来优化异常检测
NanoEdgeAI Studio提供了一种独有的专利方法，可直接在微控制器上进行设备端学习。
MEMS Studio
一套完整的桌面软件解决方案，用于在智能传感器上启用边缘AI功能。用户可利用该解决方案分析数据、评估嵌入式库，并为整个MEMS传感器系列设计无代码式算法。
- 收集、标记和分析传感器数据
- 对ISPU的NN和ML模型进行性能分析和优化
- 配置MEMS机器学习内核
MEMS Studio
1.3.0
一套完整的桌面软件解决方案，用于在智能传感器上启用边缘AI功能。用户可利用该解决方案分析数据、评估嵌入式库，并为整个MEMS传感器系列设计无代码式算法。
- 收集、标记和分析传感器数据
- 对ISPU的NN和ML模型进行性能分析和优化
- 配置MEMS机器学习内核
- 选择决策树的功能和过滤器
- 收集、标记和分析传感器数据
MEMS传感器数据的线形图。
- 对ISPU的NN和ML模型进行性能分析和优化
在智能传感器处理单元 (ISPU) 上加载、分析和评估来自Keras、ONNX和TFLite的模型。
- 配置MEMS机器学习内核
收集数据，生成决策树，并使用机器学习内核 (MLC) 来配置传感器。
- 选择决策树的功能和过滤器
使用自动过滤和功能选择来简化MLC配置流程。
StellarStudioAI
面向Stellar电气化 (E) 微控制器的StellarStudio AI插件可在汽车系统中简化神经网络的开发，并提供自动的模型转换、执行和验证。
- 转换您的AI模型
- 创建并审核神经网络性能报告
- 自动转换预训练的神经网络
StellarStudioAI
1.2.0
面向Stellar电气化 (E) 微控制器的StellarStudio AI插件可在汽车系统中简化神经网络的开发，并提供自动的模型转换、执行和验证。
- 转换您的AI模型
- 创建并审核神经网络性能报告
- 自动转换预训练的神经网络
- 支持Keras、TensorFlow lite、ONNX
- 转换您的AI模型
探索具有Keras模型生成功能的GUI界面。
- 创建并审核神经网络性能报告
使用带有验证和性能输出功能的IDE面板。
- 自动转换预训练的神经网络
生成预训练的神经网络并将其转换为高效的Ansi C库，以便轻松进行编译、安装并在Stellar E MCU上执行。
- 支持Keras、TensorFlow lite、ONNX
将AI插件与Stellar E开发环境进行集成。
STM32Cube.AI
X-CUBE-AI是一个免费的STM32Cube扩展包，可帮助开发人员将预训练的边缘AI算法（例如神经网络和机器学习模型）自动转换为经过优化的STM32 C代码。
- 为STM32平台优化NN和ML模型
- 在STM32平台上对NN和ML模型进行性能分析
- 在STM32平台上评估NN和ML模型
STM32Cube.AI
9.0.0
X-CUBE-AI是一个免费的STM32Cube扩展包，可帮助开发人员将预训练的边缘AI算法（例如神经网络和机器学习模型）自动转换为经过优化的STM32 C代码。
- 为STM32平台优化NN和ML模型
- 在STM32平台上对NN和ML模型进行性能分析
- 在STM32平台上评估NN和ML模型
- 以STM32CubeMX扩展包的形式提供
- 为STM32平台优化NN和ML模型
将您自己的神经网络模型导入STM32CubeMX，选择优化选项，并生成与输入模型相对应的经优化C代码。
- 在STM32平台上对NN和ML模型进行性能分析
X-CUBE-AI将分析NN模型并生成性能分析报告，从而详细说明整个网络及其各层的NN内存需求和推理时间。
- 在STM32平台上评估NN和ML模型
- 以STM32CubeMX扩展包的形式提供
意法半导体边缘AI Model Zoo
一系列经过优化的参考边缘AI模型，可在附带相关部署脚本的意法半导体器件上运行。Model Zoo是一种宝贵的资源，可用于为嵌入式应用增添边缘AI功能。
- 可从针对意法半导体器件进行了优化的一系列AI模型中选择
- 使用脚本重新训练数据集中的任何模型
- 使用脚本在应用上部署AI模型
意法半导体边缘AI Model Zoo
一系列经过优化的参考边缘AI模型，可在附带相关部署脚本的意法半导体器件上运行。Model Zoo是一种宝贵的资源，可用于为嵌入式应用增添边缘AI功能。
- 可从针对意法半导体器件进行了优化的一系列AI模型中选择
- 使用脚本重新训练数据集中的任何模型
- 使用脚本在应用上部署AI模型
- 自带模型 (BYOM) 或自带数据 (BYOD)
- 可从针对意法半导体器件进行了优化的一系列AI模型中选择
Model Zoo中提供的神经网络模型针对意法半导体目标器件的各种应用进行了优化。
- 使用脚本重新训练数据集中的任何模型
- 使用脚本在应用上部署AI模型
- 自带模型 (BYOM) 或自带数据 (BYOD)
意法半导体边缘AI内核 全新工具
一款用于优化和编译边缘AI模型的命令行接口 (CLI) 工具，适用于包括微控制器、微处理器和MEMS传感器在内的多种意法半导体器件。
- 从最流行的ML框架导入AI模型
- 审核所选算法的详细分析结果
- 验证和优化不同器件的模型
意法半导体边缘AI内核 全新工具
1.0.0
一款用于优化和编译边缘AI模型的命令行接口 (CLI) 工具，适用于包括微控制器、微处理器和MEMS传感器在内的多种意法半导体器件。
- 从最流行的ML框架导入AI模型
- 审核所选算法的详细分析结果
- 验证和优化不同器件的模型
- 为选定的意法半导体硬件生成可执行代码
意法半导体边缘AI开发者云 全新工具
一个免费的在线平台，可以轻松对边缘AI模型进行优化和基准测试，适用于多种意法半导体器件。该平台依靠意法半导体边缘AI内核来执行AI模型的优化和验证。
- 面向多个意法半导体器件的在线AI基准测试服务
- 对您的AI模型进行优化和性能分析
- 利用ST Board Farm运行您的AI模型
意法半导体边缘AI开发者云 全新工具
一个免费的在线平台，可以轻松对边缘AI模型进行优化和基准测试，适用于多种意法半导体器件。该平台依靠意法半导体边缘AI内核来执行AI模型的优化和验证。
- 面向多个意法半导体器件的在线AI基准测试服务
- 对您的AI模型进行优化和性能分析
- 利用ST Board Farm运行您的AI模型
- 面向多个意法半导体器件的在线AI基准测试服务
依靠意法半导体器件在云端评估AI模型的性能。
- 对您的AI模型进行优化和性能分析
利用意法半导体边缘AI内核技术优化您的AI模型，并了解模型在意法半导体器件上的运行和性能情况。
- 利用ST Board Farm运行您的AI模型
访问ST Board Farm，并远程实时访问意法半导体实体产品。审核所选器件的AI模型性能。
手势识别ToF AI 全新工具
该手势识别解决方案无需使用摄像头，即可基于意法半导体多区飞行时间传感器对一系列手势进行检测。
- 可通过多种方法创建数据集
- 可识别所提供数据集中的七种手势
- 基于8x8的测距距离和信号速率
手势识别ToF AI 全新工具
该手势识别解决方案无需使用摄像头，即可基于意法半导体多区飞行时间传感器对一系列手势进行检测。
- 可通过多种方法创建数据集
- 可识别所提供数据集中的七种手势
- 基于8x8的测距距离和信号速率
- 部署在STM32微控制器上
面向OpenSTLinux的AI
X-LINUX-AI是一款STM32 MPU OpenSTLinux扩展包，用于在STM32MP1和STM32MP2微处理器上运行边缘AI模型。其中包含了Linux® AI框架以及应用示例。
- 姿态估计 (Yolov8n)
- 语义分割 (DeepLabv3)
- 图像分类 (MobileNetv2)
面向OpenSTLinux的AI
5.1.0
X-LINUX-AI是一款STM32 MPU OpenSTLinux扩展包，用于在STM32MP1和STM32MP2微处理器上运行边缘AI模型。其中包含了Linux® AI框架以及应用示例。
- 姿态估计 (Yolov8n)
- 语义分割 (DeepLabv3)
- 图像分类 (MobileNetv2)
- 目标检测 (SSD MobileNetv2)
- 姿态估计 (Yolov8n)
最常见计算机视觉应用的代码示例集。
- 语义分割 (DeepLabv3)
- 图像分类 (MobileNetv2)
- 目标检测 (SSD MobileNetv2)
高速数据记录 全新工具
用户可利用此工具管理传感器数据集的数据采集和标记。数据集将存储在microSD卡上，或是通过USB进行流式传输。用户可以通过GUI、CLI或是智能手机的蓝牙功能来控制数据采集。
- 捕获和监控高速数据
- 利用Python SDK获取和管理数据
- 将您的项目迁移到多个MCU系列
意法半导体边缘AI Model Zoo
一系列经过优化的参考边缘AI模型，可在附带相关部署脚本的意法半导体器件上运行。Model Zoo是一种宝贵的资源，可用于为嵌入式应用增添边缘AI功能。
- 可从针对意法半导体器件进行了优化的一系列AI模型中选择
- 使用脚本重新训练数据集中的任何模型
- 使用脚本在应用上部署AI模型
意法半导体边缘AI Model Zoo
一系列经过优化的参考边缘AI模型，可在附带相关部署脚本的意法半导体器件上运行。Model Zoo是一种宝贵的资源，可用于为嵌入式应用增添边缘AI功能。
- 可从针对意法半导体器件进行了优化的一系列AI模型中选择
- 使用脚本重新训练数据集中的任何模型
- 使用脚本在应用上部署AI模型
- 自带模型 (BYOM) 或自带数据 (BYOD)
- 可从针对意法半导体器件进行了优化的一系列AI模型中选择
Model Zoo中提供的神经网络模型针对意法半导体目标器件的各种应用进行了优化。
- 使用脚本重新训练数据集中的任何模型
- 使用脚本在应用上部署AI模型
- 自带模型 (BYOM) 或自带数据 (BYOD)
MEMS Studio
一套完整的桌面软件解决方案，用于在智能传感器上启用边缘AI功能。用户可利用该解决方案分析数据、评估嵌入式库，并为整个MEMS传感器系列设计无代码式算法。
- 收集、标记和分析传感器数据
- 对ISPU的NN和ML模型进行性能分析和优化
- 配置MEMS机器学习内核
MEMS Studio
1.3.0
一套完整的桌面软件解决方案，用于在智能传感器上启用边缘AI功能。用户可利用该解决方案分析数据、评估嵌入式库，并为整个MEMS传感器系列设计无代码式算法。
- 收集、标记和分析传感器数据
- 对ISPU的NN和ML模型进行性能分析和优化
- 配置MEMS机器学习内核
- 选择决策树的功能和过滤器
- 收集、标记和分析传感器数据
MEMS传感器数据的线形图。
- 对ISPU的NN和ML模型进行性能分析和优化
在智能传感器处理单元 (ISPU) 上加载、分析和评估来自Keras、ONNX和TFLite的模型。
- 配置MEMS机器学习内核
收集数据，生成决策树，并使用机器学习内核 (MLC) 来配置传感器。
- 选择决策树的功能和过滤器
使用自动过滤和功能选择来简化MLC配置流程。
NanoEdge AI Studio
一款免费的AutoML软件，用于向嵌入式项目添加边缘AI，并逐步引导用户轻松找到符合其需求的最佳AI模型。
- AutoML：自动机器学习模型生成器
- 支持超过1000款Arm® Cortex®-M微控制器
- 用户友好型软件，可实现端到端边缘AI部署
NanoEdge AI Studio
4.4
一款免费的AutoML软件，用于向嵌入式项目添加边缘AI，并逐步引导用户轻松找到符合其需求的最佳AI模型。
- AutoML：自动机器学习模型生成器
- 支持超过1000款Arm® Cortex®-M微控制器
- 用户友好型软件，可实现端到端边缘AI部署
- 通过设备端学习来优化异常检测
- AutoML：自动机器学习模型生成器
NanoEdge AI Studio可为特定微控制器选择最佳ML算法（低代码/无代码解决方案）。
- 支持超过1000款Arm® Cortex®-M微控制器
支持所有STM32微控制器、超过100款意法半导体开发板、20款Arduino板件和超过1000款Arm<sup>®</sup> Cortex<sup>®</sup>-M微控制器。
- 用户友好型软件，可实现端到端边缘AI部署
无需用到专业知识。可在极短的时间内为微控制器打造小巧且先进的AI模型。
- 通过设备端学习来优化异常检测
NanoEdgeAI Studio提供了一种独有的专利方法，可直接在微控制器上进行设备端学习。
高速数据记录 全新工具
用户可利用此工具管理传感器数据集的数据采集和标记。数据集将存储在microSD卡上，或是通过USB进行流式传输。用户可以通过GUI、CLI或是智能手机的蓝牙功能来控制数据采集。
- 捕获和监控高速数据
- 利用Python SDK获取和管理数据
- 将您的项目迁移到多个MCU系列
NanoEdge AI Studio
一款免费的AutoML软件，用于向嵌入式项目添加边缘AI，并逐步引导用户轻松找到符合其需求的最佳AI模型。
- AutoML：自动机器学习模型生成器
- 用户友好型软件，可实现端到端边缘AI部署
- 支持超过1000款Arm® Cortex®-M微控制器
NanoEdge AI Studio
4.4
一款免费的AutoML软件，用于向嵌入式项目添加边缘AI，并逐步引导用户轻松找到符合其需求的最佳AI模型。
- AutoML：自动机器学习模型生成器
- 用户友好型软件，可实现端到端边缘AI部署
- 支持超过1000款Arm® Cortex®-M微控制器
- 通过设备端学习来优化异常检测
- AutoML：自动机器学习模型生成器
NanoEdge AI Studio可为特定微控制器选择最佳ML算法（低代码/无代码解决方案）。
- 用户友好型软件，可实现端到端边缘AI部署
无需用到专业知识。可在极短的时间内为微控制器打造小巧且先进的AI模型。
- 支持超过1000款Arm® Cortex®-M微控制器
支持所有STM32微控制器、超过100款意法半导体开发板、20款Arduino板件和超过1000款Arm® Cortex®-M微控制器。
- 通过设备端学习来优化异常检测
NanoEdgeAI Studio提供了一种独有的专利方法，可直接在微控制器上进行设备端学习。
手势识别ToF AI 全新工具
该手势识别解决方案无需使用摄像头，即可基于意法半导体多区飞行时间传感器对一系列手势进行检测。
- 可通过多种方法创建数据集
- 可识别所提供数据集中的七种手势
- 基于8x8的测距距离和信号速率
MEMS Studio
一套完整的桌面软件解决方案，用于在智能传感器上启用边缘AI功能。用户可利用该解决方案分析数据、评估嵌入式库，并为整个MEMS传感器系列设计无代码式算法。
- 收集、标记和分析传感器数据
- 对ISPU的NN和ML模型进行性能分析和优化
- 配置MEMS机器学习内核
MEMS Studio
1.3.0
一套完整的桌面软件解决方案，用于在智能传感器上启用边缘AI功能。用户可利用该解决方案分析数据、评估嵌入式库，并为整个MEMS传感器系列设计无代码式算法。
- 收集、标记和分析传感器数据
- 对ISPU的NN和ML模型进行性能分析和优化
- 配置MEMS机器学习内核
- 选择决策树的功能和过滤器
- 收集、标记和分析传感器数据
MEMS传感器数据的线形图。
- 对ISPU的NN和ML模型进行性能分析和优化
在智能传感器处理单元 (ISPU) 上加载、分析和评估来自Keras、ONNX和TFLite的模型。
- 配置MEMS机器学习内核
收集数据，生成决策树，并使用机器学习内核 (MLC) 来配置传感器。
- 选择决策树的功能和过滤器
使用自动过滤和功能选择来简化MLC配置流程。
StellarStudioAI
面向Stellar电气化 (E) 微控制器的StellarStudio AI插件可在汽车系统中简化神经网络的开发，并提供自动的模型转换、执行和验证。
- 转换您的AI模型
- 创建并审核神经网络性能报告
- 自动转换预训练的神经网络
StellarStudioAI
1.2.0
面向Stellar电气化 (E) 微控制器的StellarStudio AI插件可在汽车系统中简化神经网络的开发，并提供自动的模型转换、执行和验证。
- 转换您的AI模型
- 创建并审核神经网络性能报告
- 自动转换预训练的神经网络
- 支持Keras、TensorFlow lite、ONNX
- 转换您的AI模型
探索具有Keras模型生成功能的GUI界面。
- 创建并审核神经网络性能报告
使用带有验证和性能输出功能的IDE面板。
- 自动转换预训练的神经网络
生成预训练的神经网络并将其转换为高效的Ansi C库，以便轻松进行编译、安装并在Stellar E MCU上执行。
- 支持Keras、TensorFlow lite、ONNX
将AI插件与Stellar E开发环境进行集成。
STM32Cube.AI
X-CUBE-AI是一个免费的STM32Cube扩展包，可帮助开发人员将预训练的边缘AI算法（例如神经网络和机器学习模型）自动转换为经过优化的STM32 C代码。
- 为STM32平台优化NN和ML模型
- 在STM32平台上对NN和ML模型进行性能分析
- 在STM32平台上评估NN和ML模型
STM32Cube.AI
9.0.0
X-CUBE-AI是一个免费的STM32Cube扩展包，可帮助开发人员将预训练的边缘AI算法（例如神经网络和机器学习模型）自动转换为经过优化的STM32 C代码。
- 为STM32平台优化NN和ML模型
- 在STM32平台上对NN和ML模型进行性能分析
- 在STM32平台上评估NN和ML模型
- 以STM32CubeMX扩展包的形式提供
- 为STM32平台优化NN和ML模型
将您自己的神经网络模型导入STM32CubeMX，选择优化选项，并生成与输入模型相对应的经优化C代码。
- 在STM32平台上对NN和ML模型进行性能分析
X-CUBE-AI将分析NN模型并生成性能分析报告，从而详细说明整个网络及其各层的NN内存需求和推理时间。
- 在STM32平台上评估NN和ML模型
- 以STM32CubeMX扩展包的形式提供
面向OpenSTLinux的AI
X-LINUX-AI是一款STM32 MPU OpenSTLinux扩展包，用于在STM32MP1和STM32MP2微处理器上运行边缘AI模型。其中包含了Linux® AI框架以及应用示例。
- 姿态估计 (Yolov8n)
- 语义分割 (DeepLabv3)
- 图像分类 (MobileNetv2)
面向OpenSTLinux的AI
5.1.0
X-LINUX-AI是一款STM32 MPU OpenSTLinux扩展包，用于在STM32MP1和STM32MP2微处理器上运行边缘AI模型。其中包含了Linux® AI框架以及应用示例。
- 姿态估计 (Yolov8n)
- 语义分割 (DeepLabv3)
- 图像分类 (MobileNetv2)
- 目标检测 (SSD MobileNetv2)
- 姿态估计 (Yolov8n)
最常见计算机视觉应用的代码示例集。
- 语义分割 (DeepLabv3)
- 图像分类 (MobileNetv2)
- 目标检测 (SSD MobileNetv2)
意法半导体边缘AI内核 全新工具
一款用于优化和编译边缘AI模型的命令行接口 (CLI) 工具，适用于包括微控制器、微处理器和MEMS传感器在内的多种意法半导体器件。
- 从最流行的ML框架导入AI模型
- 审核所选算法的详细分析结果
- 验证和优化不同器件的模型
意法半导体边缘AI内核 全新工具
1.0.0
一款用于优化和编译边缘AI模型的命令行接口 (CLI) 工具，适用于包括微控制器、微处理器和MEMS传感器在内的多种意法半导体器件。
- 从最流行的ML框架导入AI模型
- 审核所选算法的详细分析结果
- 验证和优化不同器件的模型
- 为选定的意法半导体硬件生成可执行代码
意法半导体边缘AI开发者云 全新工具
一个免费的在线平台，可以轻松对边缘AI模型进行优化和基准测试，适用于多种意法半导体器件。该平台依靠意法半导体边缘AI内核来执行AI模型的优化和验证。
- 面向多个意法半导体器件的在线AI基准测试服务
- 对您的AI模型进行优化和性能分析
- 利用ST Board Farm运行您的AI模型
意法半导体边缘AI开发者云 全新工具
一个免费的在线平台，可以轻松对边缘AI模型进行优化和基准测试，适用于多种意法半导体器件。该平台依靠意法半导体边缘AI内核来执行AI模型的优化和验证。
- 面向多个意法半导体器件的在线AI基准测试服务
- 对您的AI模型进行优化和性能分析
- 利用ST Board Farm运行您的AI模型
- 面向多个意法半导体器件的在线AI基准测试服务
依靠意法半导体器件在云端评估AI模型的性能。
- 对您的AI模型进行优化和性能分析
利用意法半导体边缘AI内核技术优化您的AI模型，并了解模型在意法半导体器件上的运行和性能情况。
- 利用ST Board Farm运行您的AI模型
访问ST Board Farm，并远程实时访问意法半导体实体产品。审核所选器件的AI模型性能。
意法半导体边缘AI开发者云 全新工具
一个免费的在线平台，可以轻松对边缘AI模型进行优化和基准测试，适用于多种意法半导体器件。该平台依靠意法半导体边缘AI内核来执行AI模型的优化和验证。
- 面向多个意法半导体器件的在线AI基准测试服务
- 对您的AI模型进行优化和性能分析
- 利用ST Board Farm运行您的AI模型
意法半导体边缘AI开发者云 全新工具
一个免费的在线平台，可以轻松对边缘AI模型进行优化和基准测试，适用于多种意法半导体器件。该平台依靠意法半导体边缘AI内核来执行AI模型的优化和验证。
- 面向多个意法半导体器件的在线AI基准测试服务
- 对您的AI模型进行优化和性能分析
- 利用ST Board Farm运行您的AI模型
- 面向多个意法半导体器件的在线AI基准测试服务
依靠意法半导体器件在云端评估AI模型的性能。
- 对您的AI模型进行优化和性能分析
利用意法半导体边缘AI内核技术优化您的AI模型，并了解模型在意法半导体器件上的运行和性能情况。
- 利用ST Board Farm运行您的AI模型
访问ST Board Farm，并远程实时访问意法半导体实体产品。审核所选器件的AI模型性能。
意法半导体边缘AI Model Zoo
一系列经过优化的参考边缘AI模型，可在附带相关部署脚本的意法半导体器件上运行。Model Zoo是一种宝贵的资源，可用于为嵌入式应用增添边缘AI功能。
- 可从针对意法半导体器件进行了优化的一系列AI模型中选择
- 使用脚本重新训练数据集中的任何模型
- 使用脚本在应用上部署AI模型
意法半导体边缘AI Model Zoo
一系列经过优化的参考边缘AI模型，可在附带相关部署脚本的意法半导体器件上运行。Model Zoo是一种宝贵的资源，可用于为嵌入式应用增添边缘AI功能。
- 可从针对意法半导体器件进行了优化的一系列AI模型中选择
- 使用脚本重新训练数据集中的任何模型
- 使用脚本在应用上部署AI模型
- 自带模型 (BYOM) 或自带数据 (BYOD)
- 可从针对意法半导体器件进行了优化的一系列AI模型中选择
Model Zoo中提供的神经网络模型针对意法半导体目标器件的各种应用进行了优化。
- 使用脚本重新训练数据集中的任何模型
- 使用脚本在应用上部署AI模型
- 自带模型 (BYOM) 或自带数据 (BYOD)
MEMS Studio
一套完整的桌面软件解决方案，用于在智能传感器上启用边缘AI功能。用户可利用该解决方案分析数据、评估嵌入式库，并为整个MEMS传感器系列设计无代码式算法。
- 收集、标记和分析传感器数据
- 对ISPU的NN和ML模型进行性能分析和优化
- 配置MEMS机器学习内核
MEMS Studio
1.3.0
一套完整的桌面软件解决方案，用于在智能传感器上启用边缘AI功能。用户可利用该解决方案分析数据、评估嵌入式库，并为整个MEMS传感器系列设计无代码式算法。
- 收集、标记和分析传感器数据
- 对ISPU的NN和ML模型进行性能分析和优化
- 配置MEMS机器学习内核
- 选择决策树的功能和过滤器
- 收集、标记和分析传感器数据
MEMS传感器数据的线形图。
- 对ISPU的NN和ML模型进行性能分析和优化
在智能传感器处理单元 (ISPU) 上加载、分析和评估来自Keras、ONNX和TFLite的模型。
- 配置MEMS机器学习内核
收集数据，生成决策树，并使用机器学习内核 (MLC) 来配置传感器。
- 选择决策树的功能和过滤器
使用自动过滤和功能选择来简化MLC配置流程。
NanoEdge AI Studio
一款免费的AutoML软件，用于向嵌入式项目添加边缘AI，并逐步引导用户轻松找到符合其需求的最佳AI模型。
- AutoML：自动机器学习模型生成器
- 用户友好型软件，可实现端到端边缘AI部署
- 支持超过1000款Arm® Cortex®-M微控制器
NanoEdge AI Studio
4.4
一款免费的AutoML软件，用于向嵌入式项目添加边缘AI，并逐步引导用户轻松找到符合其需求的最佳AI模型。
- AutoML：自动机器学习模型生成器
- 用户友好型软件，可实现端到端边缘AI部署
- 支持超过1000款Arm® Cortex®-M微控制器
- 通过设备端学习来优化异常检测
- AutoML：自动机器学习模型生成器
NanoEdge AI Studio可为特定微控制器选择最佳ML算法（低代码/无代码解决方案）。
- 用户友好型软件，可实现端到端边缘AI部署
无需用到专业知识。可在极短的时间内为微控制器打造小巧且先进的AI模型。
- 支持超过1000款Arm® Cortex®-M微控制器
支持所有STM32微控制器、超过100款意法半导体开发板、20款Arduino板件和超过1000款Arm® Cortex®-M微控制器。
- 通过设备端学习来优化异常检测
NanoEdgeAI Studio提供了一种独有的专利方法，可直接在微控制器上进行设备端学习。
StellarStudioAI
面向Stellar电气化 (E) 微控制器的StellarStudio AI插件可在汽车系统中简化神经网络的开发，并提供自动的模型转换、执行和验证。
- 转换您的AI模型
- 创建并审核神经网络性能报告
- 自动转换预训练的神经网络
StellarStudioAI
1.2.0
面向Stellar电气化 (E) 微控制器的StellarStudio AI插件可在汽车系统中简化神经网络的开发，并提供自动的模型转换、执行和验证。
- 转换您的AI模型
- 创建并审核神经网络性能报告
- 自动转换预训练的神经网络
- 支持Keras、TensorFlow lite、ONNX
- 转换您的AI模型
探索具有Keras模型生成功能的GUI界面。
- 创建并审核神经网络性能报告
使用带有验证和性能输出功能的IDE面板。
- 自动转换预训练的神经网络
生成预训练的神经网络并将其转换为高效的Ansi C库，以便轻松进行编译、安装并在Stellar E MCU上执行。
- 支持Keras、TensorFlow lite、ONNX
将AI插件与Stellar E开发环境进行集成。
STM32Cube.AI
X-CUBE-AI是一个免费的STM32Cube扩展包，可帮助开发人员将预训练的边缘AI算法（例如神经网络和机器学习模型）自动转换为经过优化的STM32 C代码。
- 为STM32平台优化NN和ML模型
- 在STM32平台上对NN和ML模型进行性能分析
- 在STM32平台上评估NN和ML模型
STM32Cube.AI
9.0.0
X-CUBE-AI是一个免费的STM32Cube扩展包，可帮助开发人员将预训练的边缘AI算法（例如神经网络和机器学习模型）自动转换为经过优化的STM32 C代码。
- 为STM32平台优化NN和ML模型
- 在STM32平台上对NN和ML模型进行性能分析
- 在STM32平台上评估NN和ML模型
- 以STM32CubeMX扩展包的形式提供
- 为STM32平台优化NN和ML模型
将您自己的神经网络模型导入STM32CubeMX，选择优化选项，并生成与输入模型相对应的经优化C代码。
- 在STM32平台上对NN和ML模型进行性能分析
X-CUBE-AI将分析NN模型并生成性能分析报告，从而详细说明整个网络及其各层的NN内存需求和推理时间。
- 在STM32平台上评估NN和ML模型
- 以STM32CubeMX扩展包的形式提供
面向OpenSTLinux的AI
X-LINUX-AI是一款STM32 MPU OpenSTLinux扩展包，用于在STM32MP1和STM32MP2微处理器上运行边缘AI模型。其中包含了Linux® AI框架以及应用示例。
- 姿态估计 (Yolov8n)
- 语义分割 (DeepLabv3)
- 图像分类 (MobileNetv2)
面向OpenSTLinux的AI
5.1.0
X-LINUX-AI是一款STM32 MPU OpenSTLinux扩展包，用于在STM32MP1和STM32MP2微处理器上运行边缘AI模型。其中包含了Linux® AI框架以及应用示例。
- 姿态估计 (Yolov8n)
- 语义分割 (DeepLabv3)
- 图像分类 (MobileNetv2)
- 目标检测 (SSD MobileNetv2)
- 姿态估计 (Yolov8n)
最常见计算机视觉应用的代码示例集。
- 语义分割 (DeepLabv3)
- 图像分类 (MobileNetv2)
- 目标检测 (SSD MobileNetv2)
意法半导体边缘AI内核 全新工具
一款用于优化和编译边缘AI模型的命令行接口 (CLI) 工具，适用于包括微控制器、微处理器和MEMS传感器在内的多种意法半导体器件。
- 从最流行的ML框架导入AI模型
- 审核所选算法的详细分析结果
- 验证和优化不同器件的模型
意法半导体边缘AI内核 全新工具
1.0.0
一款用于优化和编译边缘AI模型的命令行接口 (CLI) 工具，适用于包括微控制器、微处理器和MEMS传感器在内的多种意法半导体器件。
- 从最流行的ML框架导入AI模型
- 审核所选算法的详细分析结果
- 验证和优化不同器件的模型
- 为选定的意法半导体硬件生成可执行代码
手势识别ToF AI 全新工具
该手势识别解决方案无需使用摄像头，即可基于意法半导体多区飞行时间传感器对一系列手势进行检测。
- 可通过多种方法创建数据集
- 可识别所提供数据集中的七种手势
- 基于8x8的测距距离和信号速率
意法半导体边缘AI开发者云 全新工具
一个免费的在线平台，可以轻松对边缘AI模型进行优化和基准测试，适用于多种意法半导体器件。该平台依靠意法半导体边缘AI内核来执行AI模型的优化和验证。
- 面向多个意法半导体器件的在线AI基准测试服务
- 对您的AI模型进行优化和性能分析
- 利用ST Board Farm运行您的AI模型
意法半导体边缘AI开发者云 全新工具
一个免费的在线平台，可以轻松对边缘AI模型进行优化和基准测试，适用于多种意法半导体器件。该平台依靠意法半导体边缘AI内核来执行AI模型的优化和验证。
- 面向多个意法半导体器件的在线AI基准测试服务
- 对您的AI模型进行优化和性能分析
- 利用ST Board Farm运行您的AI模型
- 面向多个意法半导体器件的在线AI基准测试服务
依靠意法半导体器件在云端评估AI模型的性能。
- 对您的AI模型进行优化和性能分析
利用意法半导体边缘AI内核技术优化您的AI模型，并了解模型在意法半导体器件上的运行和性能情况。
- 利用ST Board Farm运行您的AI模型
访问ST Board Farm，并远程实时访问意法半导体实体产品。审核所选器件的AI模型性能。
意法半导体边缘AI Model Zoo
一系列经过优化的参考边缘AI模型，可在附带相关部署脚本的意法半导体器件上运行。Model Zoo是一种宝贵的资源，可用于为嵌入式应用增添边缘AI功能。
- 可从针对意法半导体器件进行了优化的一系列AI模型中选择
- 使用脚本重新训练数据集中的任何模型
- 使用脚本在应用上部署AI模型
意法半导体边缘AI Model Zoo
一系列经过优化的参考边缘AI模型，可在附带相关部署脚本的意法半导体器件上运行。Model Zoo是一种宝贵的资源，可用于为嵌入式应用增添边缘AI功能。
- 可从针对意法半导体器件进行了优化的一系列AI模型中选择
- 使用脚本重新训练数据集中的任何模型
- 使用脚本在应用上部署AI模型
- 自带模型 (BYOM) 或自带数据 (BYOD)
- 可从针对意法半导体器件进行了优化的一系列AI模型中选择
Model Zoo中提供的神经网络模型针对意法半导体目标器件的各种应用进行了优化。
- 使用脚本重新训练数据集中的任何模型
- 使用脚本在应用上部署AI模型
- 自带模型 (BYOM) 或自带数据 (BYOD)
