VIP20
本课程属于：007-STM32 TinyML模型部署与工程实践 嵌入式边缘AI与TinyML · 共 20 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

1. STM32 TinyML入门：从CubeMX工程集成AI模型

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
课程导入
了解TinyML的定义 · 应用场景 · STM32在TinyML中的优势
课程导入TinyML
02
开发环境准备
安装STM32CubeMX · STM32CubeIDE · X-CUBE-AI扩展包
开发环境准备STM32CubeMX
03
STM32CubeMX基础操作
创建新工程 · 选择芯片型号 · 配置时钟树
STM32CubeMX基础操作
04
TinyML核心概念
理解模型量化 · 剪枝 · 蒸馏等压缩技术
TinyML核心概念
05
AI模型选型与获取
介绍适合TinyML的轻量级模型（如… · TinyMLPerf模型） · 以及如何从公开数据集训练或下载预训练…
AI模型选型
06
模型训练与导出
使用TensorFlow或Keras… · 并导出为.h5或.tflite格式
模型训练导出
07
模型转换与量化
使用TensorFlow Lite… · 并应用量化（如int8）以适配STM…
模型转换量化
08
X-CUBE-AI工具介绍
了解X-CUBE-AI的功能 · 安装方法 · 支持的模型格式
X-CUBE-AI工具介绍
09
在CubeMX中集成X-CUBE-AI
在CubeMX工程中添加X-CUBE… · 配置模型输入输出 · 生成AI推理代码
CubeMXX-CUBE-AI
10
模型部署流程
将生成的AI库文件集成到STM32C… · 编写调用推理函数的代码
模型部署流程AI
11
数据采集与预处理
在STM32上通过传感器（如麦克风 · 加速度计）采集数据 · 并进行归一化
数据采集预处理
12
输入输出接口设计
定义模型的输入张量（如浮点数组）和输… · 并处理与传感器数据的映射
输入输出接口设计定义模型的输入张…
13
推理调用与结果解析
编写代码调用AI推理函数 · 获取输出并解析为分类结果 · 通过串口或LCD显示
推理调用结果解析
14
性能优化
分析推理时间 · 内存占用 · 使用STM32的硬件加速（如CMSI…
性能优化分析推理时间
15
功耗与实时性考虑
在TinyML应用中平衡功耗和响应速… · 使用低功耗模式与事件驱动架构
功耗实时性考虑
16
案例实战1
基于加速度计的人体活动识别（如走路 · 跑步 · 静止）
案例实战1基于加速度计的人…
17
案例实战2
基于麦克风的简单关键词识别（如“是”… · 使用MFCC特征提取和CNN模型
案例实战2基于麦克风的简单…
18
案例实战3
基于摄像头的图像分类（如物体识别） · 使用STM32F4/F7系列和OV7…
案例实战3基于摄像头的图像…
19
常见问题排查
解决模型转换失败 · 内存不足 · 推理结果错误等典型问题
常见问题排查解决模型转换失败
20
模型精度与性能权衡
学习如何调整量化参数 · 模型结构 · 以在STM32上达到最佳平衡
模型精度性能权衡
21
多模型集成
在同一个STM32工程中部署多个AI… · 实现多任务识别 · 并管理资源分配
多模型集成STM32
22
模型更新与OTA
实现通过串口或蓝牙远程更新模型参数 · 避免重新烧录固件
OTA模型更新
23
使用STM32Cube.AI的验证工具
利用X-CUBE-AI的验证功能 · 在PC上模拟推理 · 对比STM32上的输出
STM32Cube.AI使用
24
与RTOS集成
在FreeRTOS中创建AI推理任务 · 实现多任务调度和实时性保证
RTOS集成
25
边缘计算与云协同
将STM32的推理结果上传至云平台 · 实现边缘-云协同的完整IoT方案
边缘计算云协同
26
安全与隐私
在TinyML应用中考虑数据加密 · 模型保护 · 防止模型被提取或篡改
安全隐私
27
高级优化
使用STM32的DSP指令 · 双核架构（如H7系列）加速推理 · 以及使用NPU（如STM32N6）的…
高级优化STM32
28
项目实战
设计一个完整的TinyML应用（如智… · 从需求分析 · 模型训练
项目实战TinyML
29
测试与验证
编写单元测试和集成测试 · 验证模型在不同环境下的鲁棒性 · 以及系统稳定性
测试验证
30
课程总结与进阶路径
回顾所有知识点 · 提供进一步学习资源（如官方文档 · 社区
课程总结进阶路径