#申请开发板# 学习网址：https://www.stmcu.com.cn/ecosystem/app/ai
学习内容：官网网给了一个操作流程指导，用到的硬件，软件都给出了。还有一些注意的事项。
1.获取数据
ST提供硬件开发板和软件采集数据。
A. 运动、声音类数据
硬件开发板： SensorTile、SensorTile.Box、IOT Node (B-L475E-IOT01A)
购买渠道：
STM32天猫旗舰店
软件：
FP-AI-SENSING1
2. 数据清洗、打标
ST同时提供手机端APP直连硬件开发板，作为数据初筛和收集的平台。
ST BLE Sensor APP (支持Android、IOS，源码开放)
3. 训练神经网络模型
神经网络训练在服务器或者PC端完成，ST不提供方案。
4. 将模型转换为MCU上执行的优化代码
Cube.AI工具是CubeMX的AI扩展包，可以在CubeMX内下载或者在点击下载
支持的神经网络模型框架有Lasagne、Keras、Caffe、ConvNetJs、Tensorflow Lite、可以导出为ONNX标准的框架(PyTorch, Microsoft Cognitive Toolkit, MATLAB 以及更多)，最新支持请参考Cube.AI的release note。
Cube.AI 工具具有的功能有：
转换模型文件到运行在STM32上的C代码
对模型文件做CPU、RAM、Flash资源分析，显示适配MCU型号
对模型做整型量化或者深度压缩
更多功能更新中…
使用教程请参考，
基于STM32开发人工智能应用
5. 使用训练好的模型分析数据
A. 运动、声音类数据
硬件开发板： SensorTile、SensorTile.Box、IOT Node (B-L475E-IOT01A)
软件：
FP-AI-SENSING1
B. 图像类数据
硬件开发板： STM32H747I-DISCO + STM32F4DIS-CAM或者OpenMV
购买渠道：
STM32天猫旗舰店
OpenMV 中国区官方代理
软件：
FP-AI-VISION1
如何在OpenMV生态系统中集成STM32Cube.AI生成的代码
可以简单的理解STM在人工智能领域交互性很强。与服务器pc端相比优点是数据的收集一体化，缺点是不能训练模型，毕竟算力。但可以跑训练好的代码。(个人观点)
STM 在AI 的市场定位
1.机器视觉处理需求
2.基于声音的应用
3.低端机器视觉市场
4.状态检测和维护应用
我还看到了介绍了一个带机器学习的传感器模块。(SensorTile。BOX)应用起来因该挺有意思。
3.上传附件：如何在OpenMV生态系统中集成STM32Cube.AI生成的代码(对openmv车流量识别也很感兴趣)
| 
转播
