使用NVIDIATAOToolkit和STM32AI解決方案為您的邊緣AI模型提升性能

邊緣人工智能為所有市場的許多新應用鋪平了道路。然而，為了使邊緣人工智能解決方案充分發揮其潛力，開發者更需要用戶友好型解決方案，以提供準確的性能洞察，克服使用機器學習算法工作的復雜性。

如今，由于現有邊緣人工智能解決方案缺乏靈活性和可靠性，許多運行在 MUC 上的邊緣人工智能應用無法進入生產階段以及商業部署。總之，它們無法讓嵌入式開發者在 MCU 上輕松、及時地創建、測試和部署機器學習算法。

通過一個小時的網絡研討會，您將了解將人工智能集成到 MCU 中的所有必要知識

(資料圖)

在這個一小時的網絡研討會和現場問答中，來自意法半導體和 NVIDIA 的專家將向您展示如何在 STM32 MCU 上無縫部署高性能邊緣 AI 算法。

我們將從一個種并不適合嵌入式 AI 的、復雜的、內存密集型的神經網絡入手。通過使用NVIDIA TAO Toolkit，我們會將其內存占用減少 100 倍，從而使其能夠在 STM32 MCU 上運行。

從理論到實踐，邊緣人工智能專家還將為您演示人員存在檢測。

參加本次會議后，您將了解如何使用 NVIDIA TAO Toolkit 從頭開始創建端到端的邊緣 AI 應用程序，以及如何在短短一小時內將其在 STM32 上啟動并運行。您還將了解如何使用自己的 ANN 模型，數據集和嵌入式軟件應用程序代碼創建邊緣 AI 應用程序。

在本次研討會中，您將了解到：

意法半導體在 MCU 上部署邊緣 AI 的生態系統

可以幫助開發者訓練、調整和優化神經網絡模型的 NVIDIA TAO 工具

意法半導體和 NVIDIA 工具如何幫助您以簡單的方式提升 STM32 MCU 上提升邊緣 AI 性能，并超越市場上的其他解決方案

這些工具如何顛覆當前的實踐，并讓所有人都能使用邊緣人工智能

如何輕松上手意法半導體和 NVIDIA 的 AI 生態系統

如果您：

已經具備人工智能和神經網絡方面的知識

聽說過主要的數據科學框架和文件格式 (TensorFlow, Keras, ONNX 等)

已經在使用數據集來訓練神經網絡模型

了解在 MCU 上部署 ML/AI 所面臨的挑戰和限制，并正在尋找簡化項目開發的解決方案

那么，這次研討會將是為您量身打造的！

議程：

網絡研討會議程目標、行業現狀和意法半導體邊緣人工智能解決方案

NVIDIA TAO Toolkit 的現場演示

意法半導體對于 NVIDIA TAO Jupyter Notebook 的實踐演示，展示如何：

○ 從 BYO 模型開始部署人員檢測用例

○ 使用 NVIDIA 數據集對其進行訓練，

○對網絡進行修剪和再訓練，將其內存占用減少 100 倍，以優化其在 STM32 上的性能

○ 使用意法半導體邊緣 AI 解決方案部署訓練好的神經網絡

問答環節

關鍵詞：