VIP20
本课程属于：015-STM32Cube AI模型部署 工业控制与工业互联网 · 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

TinyML实战：STM32Cube AI部署加速度计分类

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
TinyML的定义 · 发展背景 · 应用价值
课程导入TinyML
02
嵌入式机器学习基础
微控制器上的机器学习限制 · 典型工作流程 · 与云端AI的对比
嵌入式机器学习基…微控制器上的机器…
03
加速度计原理与数据采集
加速度计工作原理 · I2C/SPI接口 · 采样率与量程设置
加速度计原理数据采集
04
数据预处理与特征工程
数据清洗 · 去噪 · 滑动窗口分割
数据预处理特征工程
05
机器学习模型选择
适用于TinyML的经典模型（决策树 · 随机森林 · 小型神经网络
机器学习模型选择TinyML
06
模型训练与优化
使用Python（TensorFlo… · 模型量化 · 剪枝
模型训练优化
07
模型评估与验证
混淆矩阵 · 准确率 · 召回率
模型评估验证
08
STM32Cube AI工具链介绍
STM32CubeMX · STM32CubeIDE · X-CUBE-AI扩展包的功能与安装…
STM32CubeAI
09
模型转换与部署流程
将训练好的模型转换为STM32可用的… · 配置Cube AI项目 · 生成并集成模型
模型转换部署流程
10
STM32硬件平台搭建
常用开发板（如B-L475E-IOT… · Nucleo系列）介绍 · 外设连接与调试环境搭建
STM32硬件平台搭建
11
嵌入式C代码集成
将生成的AI模型库集成到STM32工… · 编写数据采集 · 推理调用
嵌入式C代码集成AI
12
实时推理与性能优化
推理时间 · 内存占用 · 功耗优化
实时推理性能优化
13
案例实战
基于加速度计的人体活动识别（静止 · 走路 · 跑步）完整项目从数据采集到部署
案例实战基于加速度计的人…
14
案例实战
基于加速度计的跌倒检测系统设计与实现 · 包括阈值与模型结合
案例实战基于加速度计的跌…
15
案例实战
基于加速度计的手势识别（如挥动 · 翻转）模型训练与部署
案例实战基于加速度计的手…
16
案例实战
设备状态监测（振动分类）在工业场景中…
案例实战设备状态监测
17
常见问题与调试技巧
模型部署后精度下降 · 内存不足 · 推理错误等问题的排查与解决
常见问题调试技巧
18
模型更新与OTA升级
如何在STM32上实现模型热更新 · 以及远程升级方案
OTA模型更新
19
低功耗设计
TinyML应用中的电源管理 · 睡眠模式 · 事件驱动采集与推理
低功耗设计TinyML
20
多传感器融合
加速度计与陀螺仪 · 磁力计数据融合提升分类准确率
多传感器融合加速度计
21
边缘计算与云协同
本地推理与云端训练结合 · 数据上传与模型再训练流程
边缘计算云协同
22
安全性与可靠性
模型加密 · 防篡改 · 异常处理与看门狗机制
安全性可靠性
23
性能基准测试
使用STM32Cube AI的基准测…
性能基准测试STM32Cube
24
高级优化
使用STM32Cube.AI的8位量… · 混合量化 · 以及硬件加速器（如NPU）的利用
高级优化STM32Cube.AI
25
项目工程管理
版本控制 · 代码规范 · 文档编写
项目工程管理版本控制
26
综合实战
从零开始设计一个完整的TinyML加… · 包括需求分析 · 硬件选型
综合实战TinyML
27
课程总结与拓展
回顾核心知识点 · 探讨TinyML未来趋势 · 以及如何进一步学习与进阶
课程总结拓展
28
实验操作
使用STM32CubeMX配置加速度… · 通过串口发送到PC
实验操作STM32CubeMX
29
实验操作
在Python中训练一个简单的MLP… · 并导出为.h5文件
实验操作Python
30
实验操作
使用X-CUBE-AI将模型部署到S… · 并通过LED或LCD显示分类结果
实验操作X-CUBE-AI