1、课程导学与环境准备：了解STM32CubeAI工具链，安装STM32CubeMX、CubeIDE及X-CUBE-AI扩展包，搭建开发环境
各位同学，欢迎来到《STM32CubeAI图像识别模型移植全流程实战》的第一课。
我是你们的老朋友，一个在嵌入式AI领域摸爬滚打多年的工程师。说实话，每次带新人入门，最头疼的不是算法有多难，而是环境搭建这一步。各种版本不匹配、路径带中文、驱动装不上……我当年踩过的坑，现在想想都心疼那几天熬夜的时光。
所以这一章，咱们稳扎稳打。把工具链的来龙去脉讲清楚，把环境搭得干干净净。后面30节课，你才能跑得顺畅。
1.1 我们到底要做什么？——课程全景图
先聊聊这门课的核心目标。说白了，就是让你学会：把训练好的AI模型（比如图像分类、目标检测），塞进STM32单片机里跑起来。
你可能会问：“STM32那点算力，跑得动AI吗？” 嗯，这个问题我当年也问过。答案是：能，但有讲究。我们不是跑大模型，而是跑经过量化和剪枝的轻量级模型。STM32CubeAI这个工具，就是帮我们把模型“翻译”成单片机听得懂的C代码。
整个课程会分成四大块：
- 基础篇（第1-5章）：环境搭建、工具链认知、第一个Demo跑通。
- 模型篇（第6-15章）：如何训练一个适合STM32的模型，如何量化、剪枝。
- 移植篇（第16-25章）：用CubeAI生成代码，集成到CubeIDE，处理内存和性能问题。
- 实战篇（第26-30章）：完整项目——摄像头实时图像识别。
我个人习惯，每学完一章，一定要动手敲一遍。光看是学不会的。
1.2 认识我们的主角：STM32CubeAI工具链
STM32CubeAI，它不是单个软件，而是一套工具链的组合。我把它比作一个“翻译官团队”：
- STM32CubeMX：项目经理。负责配置芯片引脚、时钟、外设，生成初始化代码。
- STM32CubeIDE：施工队。负责编译、调试、下载代码。
- X-CUBE-AI：AI翻译官。负责把TensorFlow、ONNX等格式的模型，转成STM32能跑的C代码。
这三者缺一不可。我曾经见过有人只装了CubeMX，然后手动去写AI推理代码……那工作量，想想都头皮发麻。
核心工作流：
训练模型（PC） → 导出为.tflite或.onnx → X-CUBE-AI分析并生成C代码 → CubeMX整合工程 → CubeIDE编译烧录 → 板子跑起来！
1.3 手把手安装：STM32CubeMX
好，咱们开始动手。第一步，安装STM32CubeMX。
为什么先装它？因为它是整个流程的入口。你需要用它来选芯片、配引脚、然后才能把AI模型加进去。
安装步骤：
- 去ST官网下载最新版STM32CubeMX（需要注册账号，免费）。
- 双击安装包，一路Next。注意：安装路径不要有中文。我习惯装在D:\ST\CubeMX下。
- 安装完成后，打开软件。它会提示你安装固件包。先别急，我们后面再装。
避坑指南：
我曾经因为安装路径带了“中文”两个字，导致CubeMX死活无法下载固件包。折腾了两天才发现是路径问题。所以，请务必使用纯英文路径。
1.4 安装STM32CubeIDE：我们的主战场
CubeIDE是ST官方的集成开发环境，基于Eclipse。说实话，刚开始用Eclipse的人可能会觉得它有点“重”，但用习惯了会发现它真的很强大。调试功能尤其好用。
安装要点：
- 同样去ST官网下载。注意选择对应操作系统的版本（Windows/Linux/Mac）。
- 安装时，它会自动检测你是否安装了Java运行环境。如果没有，它会帮你装一个。放心。
- 安装完成后，第一次启动会慢一些。它会初始化一堆东西。喝杯咖啡等一等。
我的小技巧：
CubeIDE默认的工作空间（workspace）在C盘。我建议你改到其他盘，比如D:\STM32_Workspace。这样重装系统时，你的工程不会丢。
1.5 安装X-CUBE-AI扩展包：给CubeMX装上AI引擎
这一步是关键。X-CUBE-AI是一个扩展包，需要安装到CubeMX里。安装之后，CubeMX的“Pinout & Configuration”界面里，才会出现“Software Packs”选项，你才能选择AI模型。
安装方法：
- 打开STM32CubeMX。
- 点击菜单栏 Help → Manage embedded software packages。
- 在弹窗中，找到“X-CUBE-AI”这个包。注意版本号。我个人建议选择最新的稳定版（比如7.3.0或更高）。
- 勾选后，点击Install。它会自动下载并安装。
验证是否安装成功：
新建一个工程，选择任意STM32芯片（比如F407或H743）。在Pinout界面，点击左侧的“Software Packs”，如果能看到“X-CUBE-AI”的选项，就说明安装成功了。
1.6 验证环境：跑一个空工程试试水
工具都装好了，咱们得验证一下能不能正常编译。别等到后面跑模型时才发现环境有问题。
快速验证步骤：
- 打开CubeMX，新建工程。选择芯片：STM32F407VGT6（我常用的，资料多）。
- 配置一个LED引脚（比如PD12），设置为GPIO_Output。
- 配置时钟：HSE 8MHz，主频168MHz。
- 点击“Project Manager”，设置工程名和路径。注意：工程名不要有空格。
- 点击“GENERATE CODE”。CubeMX会生成CubeIDE工程。
- 用CubeIDE打开这个工程。点击编译按钮（锤子图标）。
如果编译通过，没有报错。恭喜你，环境搭建成功了！
一个小建议：
第一次编译可能会比较慢，因为要下载一些依赖。耐心等待。如果报错，99%是路径问题或者版本不匹配。检查一下你的CubeMX和CubeIDE版本是否对应。
1.7 本章小结与下章预告
好，这一章的内容就到这里。我们完成了三件大事：
- 搞清楚了STM32CubeAI工具链的组成和关系。
- 安装了CubeMX、CubeIDE和X-CUBE-AI扩展包。
- 跑通了一个空工程，验证了环境没问题。
下一章，我们会真正开始接触AI模型。我会带你用TensorFlow训练一个最简单的图像分类模型（识别手写数字）。然后，我们把它塞进STM32里跑起来。想想是不是有点小激动？
记住，环境搭建是基础中的基础。如果这一步没做好，后面全是坑。我当年就是急着跑模型，结果环境没配好，浪费了整整一个周末。所以，请务必按照步骤来，不要跳步。
咱们下节课见！
课后作业：
1. 完成本章所有软件的安装和验证。
2. 在CubeIDE中成功编译一个LED闪烁的工程。
3. 思考：为什么STM32CubeAI工具链需要这三个软件协同工作？