STMicroelectronics 继续扩展其面向嵌入式 AI 开发人员和数据科学家的解决方案，推出一套业界首创的全新工具和服务，通过辅助硬件和软件决策，以更快、更复杂的方式将边缘 AI 技术推向市场。WHQesmc
STM32Cube.AI Developer Cloud开放了对围绕行业领先的 STM32 微控制器 (MCU) 系列构建的广泛在线开发工具套件的访问。WHQesmc
执行副总裁 Ricardo De Sa Earp 表示：“我们的目标是提供最好的硬件、软件和服务，以应对嵌入式开发人员和数据科学家面临的挑战，使他们能够更快、更轻松地开发边缘 AI 应用程序。”通用微控制器子组，意法半导体。“今天，我们推出了世界上第一个 MCU 人工智能开发者云，它与我们的 STM32Cube.AI 生态系统密切合作。这个新工具带来了通过云在 STM32 硬件上远程基准测试模型的可能性，以节省工作量和成本。WHQesmc
为了满足对基于边缘 AI 的系统不断增长的需求，STM32Cube.AI 桌面前端包括供开发人员从训练有素的神经网络验证和生成优化的 STM32 AI 库的资源。现在，该工具的在线版本 STM32Cube.AI Developer Cloud 对此进行了补充，提供了一系列行业首创，包括：WHQesmc
无需事先安装软件即可为 STM32 微控制器生成优化 C 代码的在线界面。数据科学家和开发人员受益于 STM32Cube.AI 经验证的神经网络优化性能来开发边缘 AI 项目。WHQesmc
访问 STM32 model zoo，这是一个可训练的深度学习模型和演示的存储库，可加快应用程序开发。在发布时，可用的用例包括用于活动识别和跟踪的人体运动感应、用于图像分类或对象检测的计算机视觉、用于音频分类的音频事件检测等等。这些托管在 GitHub 上，可以自动生成针对 STM32 优化的“入门”包。WHQesmc
访问世界上第一个针对 STM32 板上边缘 AI 神经网络的在线基准测试服务。可通过云访问的电路板农场提供范围广泛的 STM32 电路板，定期更新，使数据科学家和开发人员能够远程测量优化模型的实际性能。WHQesmc
责编：Editordan
