【嵌入式AI开发】STM32cubeIDE CUBE-AI进行AI部署问题和细节汇总

更新请查看：

【嵌入式AI开发&问题综述篇】STM32cubeIDE+CUBE-AI进行神经网络部署问题和细节汇总

1. 使用stm32cubeIDE或stm32cubeMX中的出现任何问题都可查看运行日志，查找原因。

C:\Users\<username>\.stm32cubemx\ai_stm32_msg.log

2. “validation on target “ ERROR

        这个bug遇到的人有点多，不同的板子我也不确定都能解决，是ST的问题。

其他单核板子都不行的注意以下：

（1）STM32的cube-ai工具包目前只支持单内核，如果你使用的是双内核板子，建议选择cube-ai支持内核时，选择M7使用；

（2）推荐使用STM32CUBEIDE软件，原来装了MX的，先卸了，因为功能可能会冲突；

（3） 检查IOC的时钟、串口、RCC关键的这三块的配置是否正确；

（4）以上都不行的话CUBE-AI工具降一个版本，目前7.0.0版本确实不稳定；

（5）STM32 Machine Learning & AI社区直接问  ST Communityhttps://community.st.com/s/topic/0TO0X0000003iUqWAI/stm32-machine-learning-ai

（6）该问题有新解决方法我会更新在：

【嵌入式AI开发&问题综述篇】STM32cubeIDE CUBE-AI进行AI部署问题和细节汇总 - 知乎

3. undefined reference to `MX_USART1_UART_Init'

 这是因为串口定义了两次的原因，两种改法：

（1）直接注释掉这行代码；

（2）在main函数声明MX_USART1_UART_Init时去掉两个static ，重新编译即可成功。

4. 验证数据的格式

cube-ai支持批量数据的验证，只需读入验证输入和验证输出即可，在目标板验证时，cube-ai通过依次读入验证数据，同时监听串口的输出，并将输出结果与期望输出对比计算在目标板上运行的精度。注意的是，期望输出即标签要求是one-hot向量形式。

5. Analyze 网络时超内存，无法压缩AI模型
Required Ram or Flash size for network is bigger than available Ram or Flash

回到最前面看网络有没有压缩：
WARNING: no weight was compressed.

这是cube-ai支持dense层（全连接层）进行量化压缩的原因：

因此，如果你的网络没有全连接层，那么cube-ai工具是不给你压的，如MobileNetv2。你可以自行添加一些层测试。

​更多细节参考：

【嵌入式AI开发】部署总结篇：STM32cubeIDE上部署神经网络之人体活动行为识别

后面有问题会持续更新，请留意!

【嵌入式AI开发&问题综述篇】STM32cubeIDE CUBE-AI进行AI部署问题和细节汇总 - 知乎