📘 STM32CubeAI · 基准测试
🎯 模型性能 · 30章 完整目录
⚡ 友好 · 明快色系
01
STM32CubeAI概述
什么是CubeAI
AI在MCU场景
优势与局限
02
开发环境搭建
CubeMX安装
CubeIDE安装
X-CUBE-AI
固件包准备
03
模型准备与转换
Keras/TFLite/ONNX
模型导出
量化概念
输入输出张量
04
STM32CubeAI项目创建
激活AI功能
NPU/CPU配置
RAM/Flash配置
05
模型分析与验证
复杂度分析
内存占用估算
推理时间预估
验证工具
06
基准测试方法论
测试指标定义
环境标准化
重复测试统计
07
性能基准测试实战
生成基准代码
开发板运行
记录分析结果
08
模型优化策略
模型剪枝
权重量化
激活函数优化
层融合
09
高级优化技巧
内存复用
DMA传输优化
中断优先级
时钟调优
10
多模型对比分析
CNN/RNN/Transformer
模型大小与精度
11
硬件加速器利用
STM32NPU原理
NPU与CPU协同
DMA与NPU配合
12
功耗分析与优化
AI推理功耗测量
低功耗模式
DVFS
13
实时性保障
任务调度策略
优先级反转
看门狗超时
RTOS集成
14
模型部署与OTA更新
模型固件打包
在线更新协议
版本管理回滚
15
调试与日志系统
串口日志输出
性能计数器
堆栈监控
错误处理
16
案例:图像分类MobileNet
MobileNet部署
关键代码解析
性能调优
17
案例:语音关键词识别
TinyML
MFCC特征
模型压缩部署
18
案例:异常检测振动分析
时序数据处理
模型选择部署
19
案例:手势识别IMU
数据预处理
模型训练量化
20
案例:人脸检测轻量YOLO
模型剪枝
NPU加速部署
21
性能瓶颈分析
Profiling工具
热点函数识别
内存带宽瓶颈
计算瓶颈
22
多核与异构计算
M7/M4分工
AI任务分配
核间通信
负载均衡
23
安全与可靠性
模型加密
防篡改机制
故障注入测试
看门狗保护
24
自动化测试框架
CI/CD集成
自动化基准脚本
结果对比报告
25
性能数据库建立
测试结果记录
数据可视化
趋势分析回归
26
常见问题与解决方案
模型转换失败
推理结果错误
内存溢出
性能不达标
27
社区与资源
官方文档
GitHub示例
论坛支持
第三方工具链
28
未来趋势
边缘AI发展
新型加速器
模型压缩前沿
联邦学习MCU
29
综合项目:智能传感器节点
多模态AI融合
端侧决策云协同
30
课程总结与展望
知识体系回顾
最佳实践总结
学习路径建议
持续学习资源