什么是NanoEdge AI Studio

這是一款自動化機器學習工具，具有兩個額外的機器學習算法系列、簡化的數據記錄和改進的用戶界面。因此，新軟件通過覆蓋更多用例并變得更加直接地對嵌入式開發人員來說更加簡單，從而擴大了其覆蓋范圍。我們的團隊還提供邊緣 AI 沖刺包。該捆綁包通過培訓課程和技術支持等方式幫助團隊引導他們的項目。因此，今天的發布證明了意法半導體希望讓所有人都能在邊緣進行機器學習的愿望。

目錄

1 什么是 NanoEdge AI Studio？

1.1 創建機器學習應用程序背后的挑戰

1.2 將機器學習帶到任何地方的解決方案

2 NanoEdge AI Studio 有哪些新功能？

2.1 兩個新的算法家族

2.2 新的輕松數據記錄功能

2.3 新的圖形用戶界面

3 在嵌入式系統上體驗 NanoEdge AI Studio

3.1 使用 NanoEdge AI Studio 實現機器學習自動化

3.2 使用 Edge AI Sprint 引導項目

3.3 后續步驟

什么是 NanoEdge AI Studio？

創建機器學習應用程序背后的挑戰

2019 年，意法半導體博客與 NanoEdge AI 的創建者坐在一起，以更好地了解其首個機器學習應用程序。傳統上，希望從機器學習中受益的大公司必須聘請一名或多名數據科學家來收集大量數據，清理它們并創建 AI 模型。然后，嵌入式開發人員將實現移植到微控制器上，或使用 STM32Cube.AI 等工具將神經網絡轉換為STM32 MCU的優化代碼。 當一家公司面臨緊張的預算限制時，雇用一名或多名數據科學家可能是不可能的。此外，可能無法將工作外包。有些情況是敏感的，而另一些情況則需要有人經常在崗。

即使有合適的人，而且在世界上所有的時間，獲得高質量的數據仍然是一個問題。盡管機器學習取得了所有進步，但獲得可靠的訓練樣本可能是一個嚴重的問題。例如，如果應用程序嘗試檢測異常行為，則數據可能不可用。事實上，雖然許多數據集適用于分類問題，例如異常檢測，但在嘗試檢測新情況時，它們毫無用處。獲得高質量的數據也很重要，這遠非顯而易見。當樣本沒有錯別字或缺失信息的困擾時，記錄干凈的集合并精確標記它們可能需要大量的投資。

將機器學習帶入無處不在的解決方案

NanoEdge AI Studio 是一個實用程序，可以與嵌入式開發人員交談，即使是那些沒有數據科學專業知識的人。神奇之處在于運行訓練階段，在同一設備上學習復雜的名義行為和推理。因此，整個過程可以在同一臺STM32微控制器上運行。此外，最終用戶的交互可以很簡單，就像按下按鈕一樣。因此，工程師可以根據當地環境定制他們的系統，使其更堅固、更易于安裝。

NanoEdge AI Studio 可在 Windows 10 或 Ubuntu 上運行，是處理數據以及查找最相關 AI 庫的最佳方式。該應用程序的設計側重于嵌入式開發和 C 應用程序的無縫集成。簡而言之，NanoEdge AI Studio 會考慮 CPU、內存、傳感器等基本規格，并搜索最佳 NanoEdge AI 庫。然后，它輸出一個運行在STM32 MCU上的庫，開發人員可以直接將其集成到其嵌入式應用中。通過今天的更新，該實用程序提供了更多的庫以及數據記錄功能。

NanoEdge AI Studio 有哪些新功能？

兩個新的算法系列

在發布之前，NanoEdge AI Studio 支持兩種主要的機器學習算法：異常檢測和分類。借助 NanoEdge AI Studio V3，這兩個系列現在受益于更多數量的庫。此外，我們還優化了當前算法，以提高現有用例的性能。因此，嵌入式開發人員在切換到新軟件版本時可能會體驗到更好的資源管理或更快的執行時間。

該應用程序還提供了兩個新的算法系列：外推和異常值。前者有助于預測未經測試的條件下的行為。也稱為回歸，它映射多個變量之間的關系。例如，數據集可以測量風扇在 100oC、110oC 和 150oC 下的行為?，F在，多虧了回歸算法，機器學習應用程序可以推斷出 160oC 的行為。NanoEdge AI Studio 中的外推算法不僅涵蓋線性回歸。事實上，它還提供了更先進的分析技術來應對復雜的情況。因此，開發人員現在可以創建新的應用程序來監控數據科學家無法自行測試的內容。

第二種算法是基于一類值的異常值檢測系統。事實上，系統只學習正常行為。任何偏離它的東西都會成為異常。以前，在使用異常檢測系統時，開發人員會記錄正常行為，然后模擬一個或多個問題。如前所述，可以學習同一微控制器上的所有行為，從而大大簡化了操作。然而，在某些情況下，再現異常根本不可能。因此，在這種情況下，異常值檢測可以使用來自常規操作的數據來推斷異常。

輕松輕松的全新數據記錄功能

數據科學家可能會違背將最終產品推向市場的必要性，并可能陷入困境。事實上，雖然沒有比實際使用情況更好的數據，但它并不總是可用的。此外，許多都是有時間限制的。因此，新的數據記錄功能將任何STWIN SensorTile無線工業節點轉變為最直接的數據采集工具。用戶將開發板連接到他們的 PC，并使用 NanoEdge AI Studio 切換到數據記錄。之后，記錄數據變得自動。工程師可以將STWIN板固定到他們的設備上進行監控。傳感器將記錄數據，然后開發人員可以對其進行標記和解析，以創建更準確的應用程序。

新的圖形用戶界面

新版 NanoEdge AI Studio 的另一個重要改進是用戶界面。隨著新算法和數據收集功能的到來，改善用戶體驗至關重要。優化開發人員的工作流程也很重要。事實上，NanoEdge AI Studio 的目標客戶是希望將機器學習引入邊緣的團隊。這些庫很小，只有 1 KB，而且經過高度優化。因此，還需要改進對算法的訪問，以確保開發人員可以輕松選擇他們的項目類別并快速生成他們的庫。

在嵌入式系統上體驗 NanoEdge AI Studio

使用 NanoEdge AI Studio 實現機器學習自動化

使用 Nucleo 板的傳感器振動演示

在 NanoEdge AI Studio 出現之前，工程師必須聯系軟件供應商，檢查他們的硬件配置以及要監控的行為。如今，該工具使開發人員能夠自定義、生成和驗證他們的機器學習庫。該實用程序首先要求用戶選擇他們的 Cortex-M 架構和系統中的傳感器。然后，他們導入一個文件，其中包含描述設備典型行為的值。它可以是來自風扇上的加速度計的數據，也可以是工業設備的電氣信息。之后，NanoEdge AI Studio 會自動測試、優化和排序數以億計的可能組合中的最佳算法組合，并生成一個自定義庫，開發人員可以使用嵌入式仿真器進行驗證。

NanoEdge AI Studio V3現在直接從其用戶界面支持所有意法半導體開發板。因此，優化和免費庫的可用性意味著運行概念驗證非常簡單。例如，在智能振動傳感器教程中，用戶可以抓住 NUCLEO-L432KC 來捕捉風扇的正常行為。然后，他們將數據提供給 NanoEdge AI Studio，并獲得一個庫，他們可以在主循環中調用該庫，以在進行推理之前運行先前由新軟件中的基準定義的最小數量的訓練周期。因此，NanoEdge AI 庫可以快速幫助創建使用預測性維護、智能安全操作等的應用程序。

使用 Edge AI Sprint 引導項目

許多客戶未能評估和展示人工智能將為其應用帶來的好處。因此，為了快速啟動應用程序，Edge AI Sprint 帶來的不僅僅是一個實用程序，而是一個完整的專家支持系統，可以指導開發人員通過其應用程序和用例固有的雷區。因此，Edge AI Sprint 是一個捆綁包，包括培訓課程、NanoEdge AI Studio 許可證和技術支持。團隊可以根據項目的復雜程度從不同的許可證期限中進行選擇，以確保他們能夠實現生產。Edge AI Sprint 旨在引導項目的第一步，從而限制風險和投資，同時增加成功的機會。

后續步驟

下載 NanoEdge AI Studio

請聯系您的銷售代表或授權業務合作伙伴，訂購 NanoEdge AI Studio 和 Edge AI Sprint 的許可證

old news

2021-05-25 意法半導體（STMicroelectronics，簡稱ST）宣布與Cartesiam公司達成并購協議，收購其公司資產（包括知識產權組合），調動和整合員工。這項交易須經監管部門批準。

Cartesiam成立于2016年，總部位于法國土倫，是一家軟件公司，專門從事人工智能（AI）開發工具研發，讓基于Arm的微控制器具有機器學習和推理能力。今天，采用Cartesiam技術的產品數量已達數十億。公司開發團隊由數據科學家和嵌入式信號處理專家組成，在開發標準和定制解決方案方面具有豐富的經驗。NanoEdgeAI Studio是其獲得專利的旗艦解決方案，讓沒有AI知識背景的嵌入式系統設計人員也可以快速開發專用的軟件庫，將機器學習算法直接集成到各種應用系統。含有Cartesiam技術的設備已經在全球量產，包括物聯網設備、家用電器和工業設備。

通過此次收購，意法半導體可加強人工智能戰略內涵，提升技術組合的實力，滿足市場對嵌入式機器學習的各種需求。NanoEdgeAI Studio解決方案與意法半導體的STM32Cube.AI工具相輔相成，相得益彰，為客戶在自己的解決方案內集成機器學習模型帶來額外的靈活性。

意法半導體微控制器和數字IC事業部總裁Claude Dardanne表示：“無論規模大小，處于什么行業，客戶都將非常重視使用人工智能技術開發智能解決方案。STM32Cube.AI軟件讓客戶能夠移植預訓練人工神經網絡，在廣泛的STM32微控制器產品組合上運行。在ST現有解決方案中加入Cartesiam的機器學習技術，可為尋求在產品中增加創新功能的客戶帶來市場上最佳的邊緣AI解決方案組合?！?/p>