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

2. STM32Cube.AI部署流程：模型导入、分析与代码生成

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
STM32Cube.AI在嵌入式AI… · 学习目标 · 课程整体框架与实战项目预览
课程导入STM32Cube.AI
02
环境准备
STM32CubeMX · STM32CubeIDE · X-CUBE-AI扩展包的安装与版本…
环境准备STM32CubeMX
03
AI模型基础
了解神经网络模型（Keras/TFL… · 输入输出张量 · 量化与浮点精度的概念
AI模型基础
04
模型来源与格式
如何获取或训练一个适合部署的模型 · 支持的文件格式（.h5 · .tflite
模型来源格式
05
STM32CubeMX项目创建
新建STM32工程 · 配置时钟 · 调试接口
STM32CubeMX项目创建
06
启用X-CUBE-AI扩展
在CubeMX中激活AI扩展包 · 理解其功能面板和配置选项
X-CUBE-AI启用
07
模型导入操作
将训练好的模型文件导入CubeMX · 设置输入输出名称 · 数据类型
模型导入操作CubeMX
08
模型分析报告解读
理解CubeMX生成的RAM/Fla… · 推理时间 · 层间分析
模型分析报告解读CubeMX
09
模型优化与压缩
分析模型瓶颈 · 通过剪枝 · 量化
模型优化压缩
10
验证与仿真
在CubeMX中运行模型验证 · 检查输出与原始模型是否一致 · 处理精度损失问题
验证仿真
11
代码生成
从CubeMX生成C代码 · 理解生成的AI模型文件结构（netw… · weights.h等）
代码生成CubeMX
12
集成到STM32CubeIDE
将生成的代码导入IDE工程 · 配置编译选项 · 优化级别和链接脚本
STM32CubeIDE集成到
13
运行时API调用
学习AI运行时API（ai_netw… · ai_run等）的用法 · 编写推理主程序
API运行时
14
输入输出数据预处理
图像缩放 · 归一化 · 数据对齐
输入输出数据预处…图像缩放
15
性能测量与调优
使用定时器或调试工具测量推理时间 · 分析CPU/内存占用 · 进行代码级优化
性能测量调优
16
多模型部署
在一个工程中部署多个AI模型 · 管理模型切换与资源共享
多模型部署AI
17
量化模型部署实战
将float32模型量化为int8 · 对比精度与性能 · 处理量化感知训练
量化模型部署实战float32
18
案例实战
手写数字识别（MNIST）模型在ST…
案例实战MNIST
19
案例实战
图像分类（CIFAR-10或自定义）… · 处理复杂输入与输出
案例实战CIFAR-10
20
案例实战
关键词唤醒（KWS）模型部署 · 结合麦克风采集与实时推理
案例实战KWS
21
案例实战
异常检测（振动/传感器）模型部署 · 实现边缘端实时监控
案例实战异常检测
22
常见错误与调试
模型导入失败 · 内存不足 · 精度异常
常见错误调试
23
内存优化技巧
利用静态内存 · 内存池 · 层融合
内存优化技巧利用静态内存
24
算子支持与自定义层
了解X-CUBE-AI支持的算子列表 · 处理不支持的层（自定义实现或替换）
算子支持自定义层
25
与FreeRTOS集成
在实时操作系统上调度AI推理任务 · 保证实时性与资源管理
FreeRTOS集成
26
低功耗设计
结合STM32低功耗模式 · 实现AI推理的功耗优化与唤醒策略
低功耗设计STM32
27
模型版本管理与迭代
建立模型版本控制流程 · 自动化部署测试 · 确保可重复性
模型版本管理迭代
28
性能基准测试
使用STM32官方基准测试工具或自定… · 评估模型在不同芯片上的表现
性能基准测试STM32
29
综合项目
设计一个端到端的智能边缘设备（如智能… · 整合传感器 · AI推理
综合项目设计一个端到端的…
30
课程总结与进阶路径
回顾关键知识点 · 推荐进一步学习资源（如STM32 A… · 官方文档）
课程总结进阶路径