VIP10
本课程属于：019-STM32CubeAI模型版本管理 嵌入式基础与RISC-V · 共 10 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

STM32Cube.AI跨模型格式迁移与部署迭代

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
AI模型部署概述
从云端到边缘的迁移 · STM32Cube.AI的定位与价值 · 课程目标与前置知识
AI模型部署概述
02
开发环境全家桶
STM32CubeMX · CubeIDE · Cube.AI工具链安装与验证
开发环境全家桶STM32CubeMX
03
模型选型原则
边缘设备算力约束 · 内存与Flash限制 · 量化感知训练（QAT）与后训练量化（…
模型选型原则边缘设备算力约束
04
Keras模型导出
构建一个简单的Keras模型 · 保存为.h5文件 · 模型结构可视化与参数统计
Keras模型导出
05
TensorFlow Lite模型准备
将Keras模型转换为TFLite · 量化选项（FP16/INT8） · 模型大小对比
TensorFlowLite
06
ONNX模型转换
PyTorch模型导出为ONNX · ONNX简化与优化 · ONNX转TFLite的桥接方案
ONNX模型转换
07
STM32Cube.AI导入模型
CubeMX中配置X-CUBE-AI · 导入.h5/TFLite/ONNX模… · 自动验证与报告解读
STM32Cube.AI导入模型
08
模型分析报告解读
RAM/Flash占用分析 · 每层推理时间预估 · MACC（乘累加）计算量解读
模型分析报告解读RAM/Flash
09
模型优化策略
剪枝（Pruning） · 权重共享 · 知识蒸馏在边缘部署中的应用
模型优化策略Pruning
10
量化实战（上）
TensorFlow的伪量化节点插入 · QAT训练流程 · 校准数据集准备
量化实战TensorFlow
11
量化实战（下）
INT8量化模型在STM32上的精度… · 量化误差分析与补偿技巧
量化实战INT8
12
C代码生成
Cube.AI自动生成模型推理代码 · API函数说明（ai_model_r… · ai_model_get_data等…
C代码生成Cube.AI
13
手动集成推理代码
在CubeIDE中创建项目 · 添加AI库 · 编写主循环调用推理函数
手动集成推理代码CubeIDE
14
输入输出数据对接
传感器数据预处理（归一化/滤波） · 模型输出后处理（softmax/阈值…
输入输出数据对接传感器数据预处理
15
内存管理技巧
静态内存分配 vs 动态分配 · 内存池配置 · 避免堆栈溢出
内存管理技巧vs
16
性能调优
时钟配置对推理速度的影响 · DMA与中断配合 · 使用ART加速器
性能调优时钟配置对推理速…
17
多模型协同
单芯片运行多个模型 · 模型切换策略 · 共享内存区域设计
多模型协同单芯片运行多个模…
18
模型迭代工作流
从数据采集到部署的闭环 · 版本控制（DVC/MLflow）在嵌…
模型迭代工作流从数据采集到部署…
19
自动化流水线
GitHub Actions + C… · 模型回归测试
自动化流水线GitHub
20
OTA更新机制
通过Bootloader更新模型参数 · 差分更新减少传输量 · 安全校验
OTA更新机制
21
案例实战（一）
手势识别——从MediaPipe模型…
案例实战MediaPipe
22
案例实战（二）
关键词唤醒——TinyML语音模型在…
案例实战TinyML
23
案例实战（三）
异常检测——工业振动分析模型在STM…
案例实战STM
24
调试与日志
串口打印推理结果 · 使用Semihosting输出调试信… · RTT（Real-Time Tran…
调试日志
25
性能基准测试
使用Cube.AI的Benchmar… · 对比不同优化选项的FPS与功耗
性能基准测试Cube.AI
26
功耗优化
WFI指令与睡眠模式 · 动态电压频率调整（DVFS） · 模型推理频率控制
功耗优化WFI
27
安全与防护
模型加密（X-CUBE-SBSFU） · 防逆向工程 · 安全启动链
安全防护
28
常见错误与排雷
内存对齐问题 · 算子不支持 · 输入张量形状不匹配的排查方法
常见错误排雷
29
社区与资源
STM32 AI社区 · GitHub开源项目 · 官方应用笔记（AN）推荐
社区资源
30
总结与展望
边缘AI的未来趋势 · 从STM32到MPU的迁移路径 · 持续学习建议
AI边缘