STM32Cube.AI-Entwicklungsumgebung erhält mehr ML-Unterstützung

STMicroelectronics hat die Machine-Learning-Techniken in der neuesten Version seiner STM32Cube.AI-Entwicklungsumgebung erweitert, um Benutzern dabei zu helfen, Herausforderungen bei Klassifizierung, Clustering und Neuheitserkennung effizienter zu lösen.

Neben der Entwicklung neuronaler Netze für Edge-Inferenz auf STM32*-Mikrocontrollern (MCUs) unterstützt die neueste STM32Cube.AI-Version (Version 7.0) neue überwachte und halbüberwachte Methoden, die mit kleineren Datensätzen und weniger CPU-Zyklen arbeiten. Dazu gehören Isolation Forest (iForest) und One Class Support Vector Machine (OC SVM) zur Erkennung von Neuheiten sowie K-Means- und SVM-Classifier-Algorithmen zur Klassifizierung, die Benutzer jetzt ohne manuelle Codierung implementieren können.

„Das Hinzufügen dieser klassischen maschinellen Lernalgorithmen zu neuronalen Netzen hilft Entwicklern, ihre Herausforderungen schneller zu lösen, indem sie eine schnelle Durchlaufzeit mit benutzerfreundlichen Techniken zum Konvertieren, Validieren und Bereitstellen verschiedener Typen von Modellen auf STM32-Mikrocontrollern ermöglicht.“ sagte die Firma.

STM32Cube.AI ermöglicht es Entwicklern, Machine-Learning-Workloads aus der Cloud in STM32-basierte Edge-Geräte zu übertragen, um Latenzzeiten zu reduzieren, Energie zu sparen, die Cloud-Nutzung zu erhöhen und die Privatsphäre zu schützen, indem der Datenaustausch über das Internet minimiert wird, sagte STMicroelectronics. Durch das Hinzufügen von Machine-Learning-Techniken für die On-Device-Analyse eignen sich STM32-MCUs jetzt für Always-On-Anwendungsfälle und intelligente batteriebetriebene Anwendungen.

Die neue STM32Cube.AI Version 7.0 kann kostenlos unter www.st.com heruntergeladen werden.

über STMicroelectronics