4. STM32N6开发环境搭建

STM32N6 是 ST 首款集成自研 NPU（Neural-ART 加速器）的 MCU，主频 800 MHz 的 Cortex-M55 加 1 GHz 的 NPU，片上还有 4.2 MB 连续 SRAM 和 MIPI CSI-2 摄像头接口。这意味着它的开发环境不是"装一个 IDE 就能跑"那么简单：一条完整的工具链要同时覆盖 Cortex-M55 固件开发、NPU 模型编译、摄像头/显示外设调试和实时性能观测。本节把这条链拆开讲清楚，并给出可直接照做的搭建步骤。

一、工具链全景：四个角色，各管一段

先建立整体认知，避免把工具混用。STM32N6 的开发环境由四类工具构成，它们的分工是明确的：

• STM32CubeIDE：基于 Eclipse + GCC 的集成开发环境，负责工程创建、代码编辑、编译、下载和 GDB 调试。它是"写固件"的主战场。
• STM32CubeMX：图形化配置工具，负责时钟树、引脚复用、外设初始化（如 MIPI CSI、DCMI、LTDC、XSPI）和中间件（FreeRTOS、FatFS）的代码生成。它已集成在 CubeIDE 内，也可独立运行。
• STM32Cube.AI（X-CUBE-AI 扩展包）：把训练好的神经网络模型（.tflite / .onnx / .h5）转换成 STM32N6 可执行的 C 代码，并调用 NPU 或 Cortex-M55 的算子库。它是"模型落地"的关键环节。
• 调试与观测工具：ST-LINK/V3 负责下载与 SWD 调试；STM32CubeMonitor 或 SWV/ITM 负责运行时变量与性能观测；STM32CubeProgrammer 负责外部 Flash（XSPI）烧录。

下面这张图给出四类工具在一条典型开发流中的位置与数据流向，注意 Cube.AI 的输出是"代码"，而不是"模型文件"——这是初学者最容易误解的一点。

二、安装与版本匹配

STM32N6 属于较新的产品线，工具版本必须匹配，否则会出现"器件列表里找不到 STM32N6"或"NPU 算子不支持"的问题。建议按以下顺序安装：

1. 安装 STM32CubeIDE 1.16 或更高版本（内置 CubeMX 与 GCC 13）。
2. 在 CubeIDE 中通过 Help → Manage Embedded Software Packages 安装 STM32Cube MCU Package for STM32N6（如 STM32CubeN6 1.0.0 及以上），它包含 HAL、BSP、中间件和示例工程。
3. 安装 X-CUBE-AI 扩展包（9.1.0 及以上），可在 CubeMX 的 Additional Software 中勾选，也可从 ST 官网下载后离线安装。
4. 安装 STM32CubeProgrammer（用于 XSPI 外部 Flash 烧录）和 STM32CubeMonitor（用于运行时变量观测）。
5. 安装 ST-LINK/V3 驱动，确认设备管理器中识别为 "STMicroelectronics STLINK-V3"。

三、从零创建一个可运行的 NPU 工程

下面以 STM32N6570-DK 开发板为例，走一遍最小可运行流程。目标：让一个简单的图像分类模型在 NPU 上跑起来，并通过串口打印推理耗时。

第 1 步：创建工程。在 CubeIDE 中 File → New → STM32 Project，选择 MCU 选择器，输入 STM32N657X0H3，命名工程为 n6_npu_demo，工具链选 STM32CubeIDE。生成后先编译一次，确认空工程能通过。

第 2 步：配置时钟与调试接口。在 CubeMX 视图中，将系统时钟配置为 800 MHz（Cortex-M55），使能 SWD 调试（SYS → Debug → Serial Wire），使能一个 UART（如 USART1，115200-8-N-1）用于打印。注意 STM32N6 的时钟树有独立的 CPU 与 NPU 域，NPU 时钟需在 RCC 中单独使能。

第 3 步：接入 Cube.AI。在 CubeMX 的 Middleware and Software Packs 中选择 X-CUBE-AI，模式选 Application。在 AI 面板中点击 Add network，导入一个已量化好的 .tflite 模型（例如 MobileNetV1 0.25 输入 96×96×3）。关键配置项：

• Runtime：选择 NPU（若模型算子全部被 NPU 支持）或 M55（回退到 CPU）。
• Quantization：确认模型为 int8 量化，NPU 只接受 int8 权重与激活。
• Memory pool：激活缓冲区大小由工具自动估算，通常几十到几百 KB，需确认不超过片上 SRAM 预算。

点击 Analyze，工具会给出每层算子的映射结果。若某层显示 "unsupported"，说明该算子无法在 NPU 上执行，会被自动放到 M55 上，此时整体延迟会明显上升——这是判断模型是否"NPU 友好"的直接依据。

第 4 步：生成代码并调用推理。点击 Generate Code，Cube.AI 会在工程中生成 X-CUBE-AI/App/ 目录，包含 network.c、network_data.c 和 app_x-cube-ai.c。核心调用接口如下：

#include "app_x-cube-ai.h"

ai_handle network;
ai_buffer *ai_input;
ai_buffer *ai_output;

/* 初始化：创建网络实例并获取输入输出缓冲区 */
ai_error err = ai_network_create_and_init(&network, ai_input, ai_output);
if (err.type != AI_ERROR_NONE) {
    printf("AI init failed: %d\r\n", err.code);
}

/* 填充输入：int8 量化数据，尺寸 96*96*3 */
memcpy(ai_input[0].data, input_buf, 96*96*3);

/* 执行推理 */
ai_network_run(network, ai_input, ai_output);

/* 读取输出：分类得分，取最大值即为预测类别 */
int8_t *out = (int8_t *)ai_output[0].data;

第 5 步：编译、下载、运行。编译后通过 ST-LINK 下载到内部 Flash 或 XSPI 外部 Flash。若代码段较大（模型权重通常几百 KB 到数 MB），需要配置 XSPI 启动模式，并用 STM32CubeProgrammer 将 .bin 烧录到外部 Flash 的 0x70000000 起始地址。运行后串口应打印类似：

AI init OK, input size=27648 bytes
Inference time: 3.2 ms (NPU)
Output class=7, score=112

四、调试与性能观测

NPU 推理是"黑盒"执行，传统单步调试无法进入 NPU 内部。因此观测手段要换思路：

• SWV/ITM 时间戳：在推理前后各写一次 ITM_SendChar() 或翻转一个 GPIO，用示波器或 CubeMonitor 测量时间差，得到真实推理延迟。
• DWT 周期计数器：使能 DWT->CYCCNT，在推理前后读取计数值，除以 800 MHz 即得毫秒数。这是最轻量的方法，不占用串口。
• STM32CubeMonitor：通过 SWD 实时读取变量（如推理计数、分类结果），适合长时间运行观察。
• Cube.AI 验证模式：在 PC 端用 stm32ai validate 命令对比 PC 推理与目标板推理的输出差异，确认量化没有引入过大误差。

一个实用的判断标准：对于 96×96 输入的轻量分类模型，NPU 推理应在 1～5 ms 量级；若超过 10 ms，优先怀疑算子回退或时钟未使能。把每次修改后的延迟记录成表，就能快速定位是模型问题还是配置问题。

五、常见坑与排查顺序

搭建过程中最容易卡住的几个点，按排查优先级排列：

1. 器件找不到：CubeN6 包未装或版本低，重装对应版本。
2. NPU 选项灰色：X-CUBE-AI 版本不支持 NPU，升级到 9.1.0+。
3. 编译报错 "region RAM overflowed"：模型权重或激活缓冲区超出片上 SRAM，需将权重放到 XSPI Flash，或减小模型。
4. 下载后不运行：检查启动模式引脚（BOOT0/BOOT1）是否配置为 XSPI 启动，以及外部 Flash 是否已正确烧录。
5. 推理结果全为同一类：输入数据未做与训练一致的归一化/量化，检查 ai_input 的 scale 与 zero_point 是否与模型匹配。

把上述流程走通一次后，后续换模型、换输入尺寸都只是重复"导入—分析—生成—编译—测延迟"这个循环。真正需要花时间的是模型本身的 NPU 友好度优化，而这正是下一阶段要展开的内容。