STM32CubeMX使用教程 cubeai使用实例

已于 2022-05-10 16:18:19 修改
阅读量4.5k 收藏 27
点赞数 7
文章标签： stm32 嵌入式硬件 keras 神经网络 c语言
于 2021-12-28 09:46:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43012808/article/details/122185178
版权

STM32CubeMX使用教程

使用cube工具生成一个简单的C语言神经网络代码库

  • 网络框架：Keras

  • 模型功能：Mnist手写数字识别

  • 最终实现：部署到自己设计的comet图像处理模块

操作步骤：

1. 打开cube，点击新建工程，使能左栏中的AI功能选项。

在这里插入图片描述

2. 选择模型框架，压缩倍数，以及训练好的网络文件，点击analyze。即可生成模型参数、预估模型所占用得flash大小、以及运行时所需占用得ram空间等参数。

在这里插入图片描述

3. 选择合适的主控芯片进入配置页面。先配置时钟树。

先使能RCC

在这里插入图片描述

然后配置时钟树

最低0.47元/天 解锁文章
_Astral
关注
stm32cube-mx（STM32代码自动生成工具）ST中文官方使用教程
10-06
stm32cube-mx（STM32代码自动生成工具）ST中文官方使用教程。ST中文官方使用教程。
STM32CubeMx配置过程详解.pdf
02-11
STM32CubeMx 是 STM32 系列单片机初始化代码工程生成工具。我们可以用它搜 索选择满足我们需求的芯片，用它配置芯片外设引脚和功能，用它配置使用如 LWIP、 FAT32、 FreeRTOS 等第三方软件系统，还可以用它做功耗评估。 STM32CubeMx 不仅能生成初始化代码工程，也能生成引脚配置信息的 pdf 和 txt 文档，方便查 阅和设计原理图。 ——我相信 STM32CubeMx 的强大会使玩过它的人赞不绝口，毅然决然地放弃使用标准库，转而使用基于 HAL 库的它和 HAL 库。
CUBEAI详细使用教程（STM32运行神经网络）---以手写识别为例
热门推荐
xddwg521125的博客
01-16 2万+
实验效果，通过上位机上传图像到单片机识别后返回识别结果CUBEAI（Cube Artificial Intelligence）是一种人工智能（AI）中间件，旨在为嵌入式系统提供高效、灵活的神经网络推理能力。该中间件的设计目标是在资源有限的嵌入式设备上实现深度学习推理，从而为物联网（IoT）设备、嵌入式系统和边缘计算场景提供强大的人工智能支持。
STM32CubeMX AI尝尝鲜
bigmaxPP的博客
02-25 1万+
STM32CubeMX AI尝尝鲜X-Cube-AI介绍&&开发前提创建模型创建工程   我是在学习Tensorflow 2.0的时候，当然，最终还是为了跑在嵌入式设备上，因为这次疫情影响，在离住的地方比较近的办公场所办公，手头上只有一块STM32F407ZG的开发板，没错，是某点某子的开发板，想着要不在这板子上跑跑，刚好之前看到了Cube-AI，所以就进行了一波尝试。   同时感...
手把手教你在STM32F429上部署深度学习模型——基于STM32CubeMX与X-Cube-AI
最新发布
weixin_63113550的博客
03-02 1458
在嵌入式设备上部署深度学习模型已成为边缘计算的热门方向。本文将以STM32F429开发板(使用的是野火的STM32F429挑战者开发板)为例，结合STM32CubeMX和X-Cube-AI工具包，详细讲解如何将训练好的神经网络模型部署到嵌入式MCU上，并实现实时推理。本文内容涵盖环境搭建、模型转换、工程配置、代码优化及验证全流程，适合嵌入式开发者与AI爱好者参考。
Stm32 CubeMx安装和配置Cube.ai教程
17岁boy的博客
12-13 1万+
前言 Stm32 Cube MX是Stm32公司推出的一款专门为Stm32平台开发的IDE，通过它能够快速构建集成开发环境，与早期的STM32外设库相比，Cube MX更为简单，Cube MX做了更多层的封装，使的用户可以不用太关心MCU底层的实现，通过调用相关API即可完成工作，新手不建议直接使用它，新手可以先从最基本的GPIO口操作，在到外设库，然后在到Cube MX，否则你在开发过程中对底层硬件会浑然不知。 Stm32 Cube MX可以快速构建Stm32开发板的应用程序，同时它内置了许多模块，其
STM32CubeMX.AI
phokr
01-05 2041
5 KEY STEPS BEHIND NEURAL NETWORKS CAPTURE CLEAN TRAIN CONVERT PROCESS Caffe, Lasagne, TensorFlow, Keras, ConvNetJS URL: https://www.st.com/content/st_com/en/stm32-ann.html?ecmp=tt9162_gl_socia...
我在STM32单片机上跑神经网络算法—CUBE-AI
嵌入式与人工智能
05-23 7972
在Keras中使用CNN进行人类活动识别：此存储库包含小型项目的代码。该项目的目的是创建一个简单的基于卷积神经网络（CNN）的人类活动识别（HAR）系统。该系统使用来自3D加速度计的传感器数据，并识别用户的活动，例如：前进或后退。HAR意为Human Activity Recognition (HAR) system，即人类行为识别。这个模型是根据人一段时间内的3D加速度数据，来判断人当前的行为，比如走路，跑步，上楼，下楼等，很符合Cortex-M系列MCU的应用场景。使用的数据如下图所示。
STM32CubeMx wiht AI 初体验
lebhoryi
07-03 3788
File: 初使用STM32CubeMX 烧录AI极简model Tips: 没有图片的文章都是耍流氓，本文填充了大量的截图 Github: project1 Author: lebhoryi@rt-thread.com Date: 2020/07/02 文章目录0x00 嵌入式关联AI0x01 准备工作1.1 安装三个软件包1.2 PC端搭建一个极简网络0x02 使用CubeMx2.1 打开CubeMx & 选择 H743ZI2.2 导入软件包2.3 导入PC端训练好的模型2.4生成项目工..
STM32CubeMx.AI的使用
weixin_42904656的博客
01-10 2595
STM32CubeMx.AI的使用 欢迎使用Markdown编辑器 在STM32论坛中看到这样一个视频： https://www.stmcu.org.cn/video/index/detail/id-4171 在视频中，在STM32上验证神经网络模型（HAR人体活动识别），一般需要STM32-F3/F4/L4/F7/L7系列高性能单片机，运行网络模型一般需要3MB以上的闪存空间，单片机显然不支持这...
STM32CubeMX的X-CUBE-AI工具详解：模型转换与优化
"这篇文章主要介绍了STM32CubeMX的X-CUBE-AI工具，这是一个用于在STM32微控制器上部署人工智能模型的扩展包。它涉及到STM32 AI开发的关键方面，包括模型转换、代码生成以及注意事项。" X-CUBE-AI是STM32生态系统的...
STM32CubeIDE开发实践案例
12-27
借助于STM32CubeMX生成的基础工程框架，并结合STM32CubeAI插件的支持，能够方便地将预先训练好的神经网络转换成可以在目标板卡上执行的形式[^1]。 例如，当处理图像识别任务时，可以先在PC端完成模型的设计与优化...
从代码转化角度看STM32CubeMX.AI
z3256789的博客
01-05 5738
嵌入式设备自带专用属性，不适合作为随机性很强的人工智能深度学习训练平台。想象用S3C2440训练神经网络算法都会头皮发麻，PC上的I7、GPU上都很吃力，大部分都要依靠服务器来训练。但是一旦算法训练好了做成了一个API库就可以到处移植转化使用了，就像一个驱动程序。 但是训练好的深度学习模型直接用在嵌入式设备上依然有难度，一个是嵌入式设备计算资源有限（RAM、ROM小），其二是嵌入式设备大部分使用...
STM32CubeMx-直接存储器访问(DMA)
09-09
在USART章节讲解了串口的轮询和中断模式，这一章介绍一下通过DMA模式控制串口传输。
CUBEAI详细使用教程二（STM32运行神经网络）---人体活动检测(MPU6050、CNN2D)
xddwg521125的博客
03-19 5506
近年来，随着嵌入式系统的发展和人工智能技术的迅猛进步，将神经网络部署到嵌入式设备上已经成为可能。这种方法为嵌入式系统带来了更多的智能和自主性，使得设备能够更好地感知和响应其周围环境。本篇博客将介绍如何在 STM32 微控制器上部署神经网络，实现人体活动的实时识别。我们将探讨神经网络模型的选择，以及实时数据采集与推理的方法。本文的重点是如何对传感器数据进行处理，使得可以满足模型的输入需要。这也是部署神经网络的一大难点。
[STM32]：基于X-CUBE-AI的模型推理
LINKKEEE的博客
01-24 1919
如何使用x-cube-ai实现模型本地推理
基于 STM32Cube.AI 的嵌入式人脸识别算法实现
weixin_66608063的博客
11-25 3068
我们概述了 STM32Cube.AI 工具和 STM32F 系列单片机的特点，然后详细讨论了使用 STM32Cube.AI 实现人脸识别算法的步骤。- 优化和部署：使用 STM32Cube.AI 提供的优化选项和库，对模型进行量化、剪枝和压缩，以提高性能并减少存储和计算资源的需求。STM32Cube.AI 工具提供了神经网络模型的训练、量化和导出涵盖的全套流程。注意：上述示例中的代码仅展示了人脸识别算法的初始化、输入和输出处理的基本流程，实际应用中还需要根据具体需求进行相应的图像预处理和输出结果处理。
STM32上部署AI的两个实用软件——Nanoedge AI Studio和STM32Cube AI
m0_71934846的博客
02-07 2909
STM32平台部署边缘AI：Nanoedge AI Studio和STM32Cube AI的基本使用方法
STM32CubeMX X-CUBE-AI更新模型
linxizi0622的博客
07-22 1131
这里我们将被修改的工程里面的app_x-cube-ai.c中MX_X_CUBE_AI_Process函数的定义部分直接拷贝过来。如题，我采用一个采用stm32CUBEMX生成了工程，工程里面使用了X-CUBE-AI对自定义的模型进行模型压缩，但是我经常要更新模型，那么怎样更新模型了。然后打开备份的工程文件，并打开 app_x-cube-ai.c和app_x-cube-ai.h这两个文件。可以看到，被修改的工程和备份的工程在 app_x-cube-ai.c文件的。编译+下载程序 大功告成。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值