4、CubeMX项目创建：选择MCU型号，配置时钟、外设与中间件
好，咱们正式开始动手了。上一章聊完了环境搭建，这一章咱们要真刀真枪地创建一个CubeMX项目。说白了，这就是你整个AI模型落地的“地基”。地基没打好，后面模型跑起来各种玄学问题，你哭都来不及。
我个人习惯，每做一个新项目，都会从零开始创建一个CubeMX工程，而不是复制粘贴旧项目。为什么？因为每个项目的时钟树、外设需求都不一样，偷懒复用旧配置，往往会在调试阶段浪费更多时间。我曾经就因为复用了一个旧工程的时钟配置，结果AI模型推理时总是莫名其妙地卡死，查了两天才发现是HCLK频率没给够，导致DMA传输超时。
4.1 选择MCU型号：别只看主频
打开CubeMX，第一步就是选芯片。你可能会想：“这有什么难的？找个主频高的不就完了？”嗯，没那么简单。
对于AI推理任务，我建议你重点关注以下几点：
- Flash和RAM大小：模型权重和中间变量都吃内存。我见过有人选了STM32F4，主频挺高，但RAM只有128KB，一个稍微大点的CNN模型就塞不进去。你想想看，模型都装不下，还谈什么推理？
- 硬件加速器：比如STM32系列的ART Accelerator、Chrom-ART，或者带DSP指令集的内核。这些对矩阵运算有奇效。
- 外设接口：你的模型数据从哪来？摄像头？麦克风？串口？确保选型时留够接口。
我的推荐：对于入门级AI项目，STM32F746或STM32H743是比较稳妥的选择。前者有1MB RAM，后者性能更强。如果你预算有限，STM32F4系列也能跑，但模型要精简。
在CubeMX的“Part Number”搜索框里，你可以按系列、封装、RAM大小等条件筛选。我个人习惯先按“RAM Size”从大到小排序，再挑封装合适的。嗯，这里要注意，封装决定了你能用多少GPIO，别选了个QFN32，结果发现引脚不够用。
4.2 配置时钟树：AI推理的“心跳”
时钟配置是CubeMX里最容易被忽视，但也是最容易出坑的地方。说白了，时钟就是MCU的心跳。心跳慢了，推理速度上不去；心跳乱了，外设可能罢工。
我一般这样配：
- 选择时钟源：外部晶振（HSE）是首选，精度高。内部RC振荡器（HSI）虽然省事，但温度漂移大，不适合需要稳定时序的AI推理。
- 配置PLL：把HSE倍频到芯片允许的最高频率。比如STM32H743，我通常会配到480MHz。
- 分配总线时钟：HCLK（AHB总线）、PCLK1/2（APB总线）要合理分配。AI推理时，DMA和内存访问很频繁，HCLK尽量给高。
小技巧：在CubeMX的Clock Configuration界面，你可以直接输入目标频率，软件会自动计算分频系数。如果出现红色警告，说明配置不合理，需要调整。我曾经遇到过HCLK超过上限导致系统无法启动的情况，后来养成习惯，每次配完时钟都会看一眼所有数值是不是绿色。
这里有个避坑指南：千万不要把AHB和APB的时钟配成整数倍关系。比如HCLK=200MHz，PCLK1=100MHz，这没问题。但如果你配成HCLK=200MHz，PCLK1=50MHz，某些外设（比如SPI、I2C）可能会因为时钟分频不均产生毛刺。我曾经在调试一个I2S音频采集时，就因为时钟分频没配好，导致音频数据出现周期性丢帧，查了整整一个下午。
4.3 配置外设：为AI模型“铺路”
外设配置取决于你的应用场景。咱们以最常见的“摄像头采集+AI推理+结果显示”为例，说说需要配哪些外设。
| 外设 | 用途 | 配置要点 |
|---|---|---|
| DCMI | 摄像头接口 | 配置像素时钟、同步信号极性，建议开启DMA |
| DMA | 数据传输 | 配置为循环模式，传输完成中断用于通知CPU |
| USART | 调试输出 | 波特率115200，开启中断 |
| GPIO | 控制LED、按键等 | 推挽输出、上拉输入，注意电流驱动能力 |
| SPI | 连接外部Flash/显示屏 | 模式0或模式3，时钟极性根据从机要求定 |
我个人习惯，在配置DMA时，会特意把优先级设高一点。因为AI推理时，CPU要忙着做矩阵运算，没空管数据传输。DMA优先级高了，能保证数据源源不断地喂给模型，不会出现“断粮”的情况。
注意：DMA的传输宽度要和源/目标地址对齐。比如从摄像头采集的数据是8位，但你要传输到32位的SRAM缓冲区，那就得配成“字节到字”的传输模式。否则数据会错位，模型推理出来的结果全是乱的。我刚开始做这个的时候，就犯过这个错，模型输出结果完全不对，还以为是模型训练出了问题。
4.4 配置中间件：让AI跑得更顺畅
中间件这块，咱们主要关注两个：FreeRTOS 和 FatFS。
FreeRTOS：如果你的AI推理任务需要和多个外设交互（比如同时采集摄像头、处理音频、显示结果），那RTOS几乎是必须的。我一般会创建三个任务：
- 采集任务：负责从外设读取数据，放到队列里。
- 推理任务：从队列取数据，调用CubeAI生成的模型进行推理。
- 显示任务：把推理结果输出到屏幕或串口。
任务优先级怎么设？我的经验是：推理任务最高，采集任务次之，显示任务最低。为什么？因为推理是核心，不能被打断。采集任务虽然重要，但数据可以缓冲。显示任务嘛，慢个几十毫秒用户也感觉不出来。
FatFS：如果你需要把模型参数或日志存到SD卡或外部Flash，FatFS就派上用场了。配置时注意两点：一是文件系统类型（FAT12/16/32），二是扇区大小。对于AI应用，我建议扇区大小设为4096字节，这样读写大文件（比如模型权重）效率更高。
实战建议：在CubeMX的Middleware配置里，把FreeRTOS的堆大小设大一点。默认的堆大小往往不够用，尤其是当你用了CubeAI生成的模型库时。我一般会设到16KB以上。如果堆溢出，系统会随机死机，而且很难复现。
嗯，配置完这些，基本上一个能跑AI推理的CubeMX项目骨架就搭好了。别急着生成代码，先检查一遍：时钟树有没有红色警告？外设引脚有没有冲突？DMA通道有没有重复使用？这些细节，决定了你后面调试时是“一路顺风”还是“步步惊心”。
下一章，咱们就要把CubeAI生成的模型代码集成进来了。到时候你会发现，前面这些配置工作，每一分努力都不会白费。