La STMicroelectronics continua ad ampliare le sue soluzioni per gli sviluppatori di AI embedded e per i data scientist, con una nuova serie di strumenti e servizi all'avanguardia nel settore, per portare la tecnologia AI sul mercato più velocemente e con meno complessità, aiutando il processo decisionale hardware e software. STM32Cube.AI Developer Cloud apre l'accesso a un'ampia suite di strumenti di sviluppo online costruiti intorno alla famiglia di microcontrollori (MCU) STM32. Per soddisfare la crescente domanda di sistemi basati sull'intelligenza artificiale, il front-end desktop STM32Cube.AI include le risorse necessarie agli sviluppatori per convalidare e generare librerie STM32 AI ottimizzate da reti neurali addestrate.

A questo si aggiunge ora STM32Cube.AI Developer Cloud, una versione online dello strumento, che offre una serie di novità del settore: Un'interfaccia online per generare codice C ottimizzato per i microcontrollori STM32, senza richiedere l'installazione preliminare del software. Gli scienziati dei dati e gli sviluppatori beneficiano delle comprovate prestazioni di ottimizzazione delle reti neurali di STM32Cube.AI per sviluppare progetti di edge-AI. Accesso allo zoo di modelli STM32, un repository di modelli di deep-learning addestrabili e demo per accelerare lo sviluppo di applicazioni.

Al momento del lancio, i casi d'uso disponibili includono il rilevamento del movimento umano per il riconoscimento e il tracciamento delle attività, la visione computerizzata per la classificazione delle immagini o il rilevamento degli oggetti, il rilevamento degli eventi audio per la classificazione audio e altro ancora. Ospitati su GitHub, consentono la generazione automatica di pacchetti di ogetting starto ottimizzati per STM32. Accesso al primo servizio di benchmarking online al mondo per le reti neurali edge-AI su schede STM32.

La board farm accessibile dal cloud presenta un'ampia gamma di schede STM32, aggiornate regolarmente, consentendo agli scienziati dei dati e agli sviluppatori di misurare in remoto le prestazioni effettive dei modelli ottimizzati. Lo strumento è stato sottoposto a test e valutazioni da parte di diversi clienti di sviluppo embedded.