产品概述
主要优势
XNNPACK支持TensorFlow™ Lite和ONNX Runtime
可使用此工具转换和优化深度神经网络。
在STM32MPU上运行AI模型
包含Linux® AI框架以及应用示例。
-
所有功能
- 软件环境
- X-LINUX-AI OpenSTLinux扩展包v6.1.0与Yocto Project®构建系统Scarthgap相兼容。该扩展包需通过OpenSTLinux发行版v6.1进行验证
- AI框架
- 基于OpenVX™（仅限STM32MP23xx和STM32MP25xx）、TensorFlow™ Lite和ONNX Runtime的STAI_MPU统一API，可与所有STM32 MPU系列相兼容
- TIM-VX™ 1.2.22（仅限STM32MP23xx和STM32MP25xx）
- ONNX Runtime 1.19.2，已激活用于CPU执行的XNNPACK执行引擎以及用于处理STM32MP2 NPU事务的VSINPU执行提供程序
- TensorFlow™ Lite 2.18.0，带有VX委托（仅限STM32MP25xx和STM32MP23xx的NPU/GPU）和已激活的XNNPACK委托（仅限CPU）
- 用于设备端学习的ONNX 1.16.2 Python™版本
- 用于设备端学习的PyTorch™ 2.3.1 Python™版本
- 应用
- 图像分类
- 使用基于MobileNet v1和v2量化模型的STAI_MPU统一API的C++/Python™示例
- 目标检测
- 使用基于SSD MobileNet v1和v2量化模型的STAI_MPU统一API的C++/Python™示例
- 人脸识别
- 使用基于BlazeFace和FaceNet量化模型的STAI_MPU统一API的C++示例（仅限STM32MP23xx和STM32MP25xx）
- 人体姿态估计（仅限STM32MP23xx和STM32MP25xx）
- 使用基于YOLOv8n姿态量化模型的STAI_MPU统一API的Python™示例
- 语义分割（仅限STM32MP23xx和STM32MP25xx）
- 使用基于DeepLabv3量化模型的STAI_MPU统一API的Python™示例
- 人员跟踪和热图（仅限STM32MP23xx和STM32MP25xx）
- 使用基于YOLOv8n量化模型的STAI_MPU统一API的Python™示例
- 用于目标检测的设备端学习（仅限STM32MP23xx和STM32MP25xx）
- Python™示例使用基于SSD MobileNet v2的STAI_MPU统一API作为学生模型，RT-DETR模型作为教师模型
- 该应用提供分步JupyterLab笔记本指南
- 基于Gstreamer 1.22.x、GTK® 3.x、OpenCV 4.9.x、Pillow和Python™ 3的应用示例
- 图像分类
- 目标实用程序
- X-LINUX-AI工具套件：软件信息、AI软件包管理和神经网络模型基准测试
- 支持各种面向STM32 MPU的图像传感器和摄像头模块，包括
- 用于STM32MP2的IMX335 (5MP)，支持使用其内置ISP
- GC2145
- 面向STM32MP13xx的OV5640
- 主机工具
- X-LINUX-AI SDK附加组件为OpenSTLinux SDK扩展了AI功能，可帮助用户轻松开发和构建AI应用。X-LINUX-AI SDK附加组件支持上述所有框架。用户可通过X-LINUX-AI产品页面获取该组件
- 利用意法半导体边缘AI内核 (STEdgeAI-Core) 提供的离线编译器优化和部署AI
- 软件环境
获取软件
意法半导体建议您使用最新版本的软件。