2、环境搭建：STM32CubeMX、CubeIDE、X-CUBE-AI扩展包的安装与配置

说实话，很多朋友刚开始接触STM32CubeAI时，最容易卡住的地方反而不是AI模型本身，而是开发环境搭不起来。我见过不少人在群里问“为什么我的CubeMX里找不到AI选项”，其实多半是扩展包没装对。今天咱们就把这事彻底捋清楚。

2.1 准备工作：下载前先看这里

在动手之前，我建议你先确认三件事：

  • 电脑系统：Windows 10/11 64位最好，Linux和macOS也能用，但坑会多一些。我个人习惯用Windows，后面所有操作都基于此。
  • Java环境：CubeMX依赖Java，如果你电脑里没有JRE，装CubeMX时会自动提示。但我遇到过几次自动安装失败的情况，所以建议提前装好Java 11或更高版本。
  • 硬盘空间：至少留出5GB。别笑，我有个学生装完所有包发现C盘红了，最后又得重来。

2.2 安装STM32CubeMX

这是整个流程的起点。你去ST官网搜“STM32CubeMX”，下载最新版安装包就行。安装过程很简单，一路Next，但有两个地方要注意：

注意：安装路径不要有中文或空格。我曾经因为路径里带了个“（1）”，结果CubeMX死活打不开，折腾了半小时才发现是这问题。

装完后第一次启动，它会让你选工作空间。我建议单独建一个文件夹，比如 D:\STM32_Workspace，别用默认的。为什么？因为后面生成的项目文件会很多，混在一起不好管理。

2.3 安装STM32CubeIDE

CubeIDE是ST官方的集成开发环境，基于Eclipse。你可能会问：“我能不能用Keil或者IAR？”当然可以，但我强烈建议你用CubeIDE。原因很简单——它和CubeMX、X-CUBE-AI的集成度最高，调试时能省很多事。

安装步骤：

  1. 从ST官网下载CubeIDE安装包（约1.2GB）。
  2. 双击运行，选择安装路径。同样，不要有中文。
  3. 安装过程中会提示安装驱动，全部勾上。
  4. 装完后第一次启动，它会自动配置一些东西，耐心等几分钟。
小技巧：如果你电脑上同时装了CubeMX和CubeIDE，建议先打开CubeIDE，然后在IDE里直接调用CubeMX。这样两个工具能共享项目配置，避免来回切换。

2.4 安装X-CUBE-AI扩展包

嗯，这里就是重头戏了。X-CUBE-AI是ST的AI工具包，它能把训练好的神经网络模型转换成STM32能跑的代码。安装方式有两种，我分别说一下。

2.4.1 方式一：通过CubeMX在线安装

打开CubeMX，点击菜单栏的 Help → Manage embedded software packages。在弹窗里找到 X-CUBE-AI，勾选你需要的版本，点击Install。

这个过程会从ST服务器下载，速度取决于你的网络。我建议选最新稳定版，别追最新版——我吃过亏，新版有时会有兼容性问题。

2.4.2 方式二：手动下载安装

如果你网络不好，或者想离线安装，可以去ST官网下载X-CUBE-AI的压缩包。下载后，在CubeMX里点击 From Local，选择那个压缩包就行。

重要：安装完成后，一定要重启CubeMX。否则你在Project Manager里找不到AI选项。我刚开始就犯过这个错，还以为是软件坏了。

2.5 验证安装是否成功

装完别急着关，咱们先验证一下。打开CubeMX，新建一个项目，随便选个芯片（比如STM32F407VGT6）。然后在 Pinout & Configuration 标签页里，往下翻，看看有没有 Software Packs 这一项。点开它，如果能看到 X-CUBE-AI，那就说明装好了。

再点进去，你会看到类似这样的界面：

Software Packs
└── X-CUBE-AI
    ├── Core
    ├── Application
    └── Utilities

如果看不到，别慌。检查一下版本匹配：你的CubeMX版本和X-CUBE-AI版本是否兼容？我遇到过CubeMX 6.8.0配X-CUBE-AI 8.0.0死活不显示，降级到7.3.0就好了。

2.6 配置项目：让AI跑起来的第一步

验证通过后，咱们来配置一个最简单的AI项目。在CubeMX里，勾选 X-CUBE-AI 后，会多出一个 AI 标签页。点进去，你会看到：

  • Runtime：选择AI运行时库，一般用默认的 Runtime 就行。
  • Network：这里要导入你的模型文件（.h5、.tflite或.onnx）。
  • Validation：验证模式，后面章节会细讲。

我个人习惯先把 Runtime 选好，再导入模型。顺序反了有时会报错，虽然概率不大，但何必给自己找麻烦呢？

避坑指南：导入模型时，注意文件路径不要有中文。我曾经因为模型放在“桌面”上（桌面路径带中文），结果CubeMX解析失败。后来我专门建了个 D:\AI_Models 文件夹，所有模型都放那里。

2.7 生成代码：看看AI长什么样

配置完成后，点击 Project Manager，设置好项目名称和路径，然后点击 GENERATE CODE。CubeMX会生成一个完整的CubeIDE项目，里面包含了AI推理的代码框架。

生成完成后，用CubeIDE打开这个项目。你会看到多了一个 X-CUBE-AI 的文件夹，里面是AI相关的源文件。别急着编译，先看看 app_x-cube-ai.c 这个文件，它是AI应用的入口。

/* 典型的AI推理流程 */
int AI_Run(void)
{
    /* 1. 初始化AI */
    ai_initialize();
    
    /* 2. 准备输入数据 */
    ai_input[0] = ...;
    
    /* 3. 执行推理 */
    ai_run();
    
    /* 4. 获取输出 */
    output = ai_output[0];
    
    return 0;
}

这段代码看着简单，但实际项目中，输入数据的预处理和输出结果的后处理才是最花时间的。后面章节咱们会详细讲。

2.8 常见问题与解决

问题 原因 解决方法
CubeMX里找不到X-CUBE-AI 扩展包未安装或版本不匹配 检查安装状态，重启CubeMX
导入模型时报错“Unsupported format” 模型格式不被支持 转换为.h5、.tflite或.onnx格式
编译时提示“undefined reference” AI库未正确链接 检查项目属性中的链接器设置
运行时卡死在AI初始化 内存不足或堆栈设置太小 增大堆栈大小，检查RAM使用量

说实话，这些坑我基本都踩过。尤其是内存不足的问题，在STM32F4上特别常见。你想想看，一个稍微复杂点的CNN模型，可能就需要几百KB的RAM，而F407的RAM总共才192KB。所以选芯片时一定要先评估模型大小。

2.9 小结

环境搭建这事，说白了就是“一次配置，长期受益”。虽然第一次装可能花点时间，但后面所有AI项目都基于这个环境。我个人建议你把安装步骤截图保存，或者写个笔记，下次换电脑时直接照着来。

下一章咱们开始讲模型转换，也就是怎么把训练好的模型变成STM32能吃的格式。到时候你会看到，真正麻烦的不是环境，而是模型本身。

← 上一章 📖 返回目录 下一章 →