Schwerpunkte

STMicroelectronics

Effizientes Machine Learning mit der STM32Cube.AI-Umgebung

27. Juli 2021, 09:28 Uhr   |  Iris Stroh

Effizientes Machine Learning mit der STM32Cube.AI-Umgebung
© STMicroelectronics

STMicroelectronics stärkt seine Unterstützung für effizientes Machine Learning in der STM32Cube.AI-Umgebung

STMicroelectronics hat seine Auswahl an Machine-Learning-Techniken erweitert, mit dem Ziel Klassifizierungs-, Clustering- und Neuheitserkennungs-Aufgaben so effizient wie möglich bewältigen zu können.

Abgesehen davon, dass die Entwicklung neuronaler Netze für die Edge-Inferenz auf STM32-MCUs ermöglicht wird, unterstützt das neue STM32Cube.AI-Release (Version 7.0) von STMicroelectronics neue, überwachte und semi-überwachte Methoden, die mit kleineren Datensätzen und weniger CPU-Zyklen auskommen. Dazu gehören Isolation Forest (iForest) und One Class Support Vector Machine (OC SVM) für die Neuheitserkennung sowie die K-means- und SVM Classifier-Algorithmen für die Klassifizierung, die von den Anwendern jetzt ohne aufwändiges manuelles Codieren implementiert werden können.

Die Unterstützung dieser klassischen Machine-Learning-Algorithmen zusätzlich zu neuronalen Netzen hilft den Entwicklern bei der schnelleren Bewältigung ihrer Herausforderungen, indem mithilfe einfach anwendbarer Techniken zum Konvertieren, Validieren und Einsetzen unterschiedlicher Modelltypen auf STM32-Mikrocontrollern für kürzere Zykluszeiten gesorgt wird.

STM32Cube.AI erlaubt Entwicklern das Verlagern von Machine-Learning-Aufgaben von der Cloud in STM32-basierte Edge Devices, um die Latenz zu verringern, Energie zu sparen und die Privatsphäre zu schützen.

Die neue Version 7.0 von STM32Cube.AI steht auf www.st.com kostenlos zum Download zur Verfügung.

Auf Facebook teilen Auf Twitter teilen Auf Linkedin teilen Via Mail teilen

Das könnte Sie auch interessieren

Verwandte Artikel

STMicroelectronics GmbH