STMicroelectronics baut seine Lösungen für Entwickler von eingebetteten KI-Systemen und Datenwissenschaftler mit einem neuen, branchenweit einzigartigen Satz von Tools und Dienstleistungen weiter aus, um KI-Technologien schneller und mit weniger Komplexität auf den Markt zu bringen, indem Hardware- und Softwareentscheidungen unterstützt werden. Die STM32Cube.AI Developer Cloud eröffnet den Zugang zu einer umfangreichen Suite von Online-Entwicklungstools, die auf den Mikrocontrollern (MCUs) der STM32-Familie basieren. Um die wachsende Nachfrage nach KI-basierten Systemen zu befriedigen, enthält das STM32Cube.AI Desktop-Frontend die Ressourcen für Entwickler zur Validierung und Generierung optimierter STM32 KI-Bibliotheken aus trainierten neuronalen Netzwerken.

Dies wird nun durch die STM32Cube.AI Developer Cloud ergänzt, eine Online-Version des Tools, die eine Reihe von Branchenneuheiten bietet: Eine Online-Schnittstelle zur Generierung von optimiertem C-Code für STM32 Mikrocontroller, ohne dass eine vorherige Softwareinstallation erforderlich ist. Datenwissenschaftler und Entwickler profitieren bei der Entwicklung von Edge-AI-Projekten von der bewährten Optimierungsleistung des STM32Cube.AI für neuronale Netze. Zugang zum STM32 Modell-Zoo, einem Repository mit trainierbaren Deep-Learning-Modellen und Demos zur Beschleunigung der Anwendungsentwicklung.

Bei der Markteinführung sind Anwendungsfälle wie die Erkennung menschlicher Bewegungen zur Aktivitätserkennung und -verfolgung, Computer Vision zur Bildklassifizierung oder Objekterkennung, Audio-Ereigniserkennung zur Audioklassifizierung und mehr verfügbar. Diese werden auf GitHub gehostet und ermöglichen die automatische Generierung von für STM32 optimierten ogetting startedo Paketen. Zugang zum weltweit ersten Online-Benchmarking-Service für Edge-AI Neural Networks auf STM32-Boards.

Die über die Cloud zugängliche Boardfarm umfasst eine breite Palette von STM32-Boards, die regelmäßig aktualisiert werden, so dass Datenwissenschaftler und Entwickler die tatsächliche Leistung der optimierten Modelle aus der Ferne messen können. Das Tool wurde bereits von mehreren Embedded-Entwicklungskunden getestet und evaluiert.