stm32低功耗设计经验「stm32 低功耗设计」

大家好，今天小编关注到一个比较有意思的话题，就是关于stm32低功耗设计经验的问题，于是小编就整理了4个相关介绍stm32低功耗设计经验的解答，让我们一起看看吧。

STM32微控制器原理分析？

ARM CortexM3是ARM公司针对微控制器领域推出的新一代处理器架构，它采用ARM v7M体系结构和面向高级语言的Thumb2指令集，在代码密度、实时性、运算性能、功耗、价格等方面达到了很好的平衡。CortexM3处理器不仅定义了传统意义上的处理器内核，也对存储器、时钟、复位、中断控制器、MPU、调试接口、电源管理等作了全面的规范，使采用CortexM3的各种芯片具有更统一的编程接口，简化了用户使用不同厂家芯片的复杂度。

意法半导体（ST）公司推出的基于ARM CortexM3内核的STM32系列微控制器，集32位RISC处理器、低功耗、高性能模拟技术、高速DMA通道及丰富的片内外设、JTAG仿真调试等于一体，定义了新一代“超级单片机”的概念，加上丰富的技术资料和完善的开发工具，使用方便，具有极高的性价比。

我没学过单片机，有c语言基础，能直接学习stm32吗？

没学过单片机，有c语言基础，是能直接学习stm32的。因为STM32是基于专为要求高性能、低成本、低功耗的嵌入式应用专门设计的ARM Cortex-0内核而设计的，属于高级单片机，其可以使用汇编语言编写程序，也可使用c语言编写程序，而且很多使用stm32单片机的人都是使用c语言编写程序，所以通过一本详细讲解stm32的书籍直接学习是完全可行的。

可以是可以，不过很痛苦。STM32是arm内核，直接学32位单片机很有难度。建议你从简单的8位单片机如51系列学起。原因很简单，单片机编程是建立在对硬件充分了解的基础之上进行硬件驱动，如进行I/O，串口通信，AD,DA转换，USB等等很多与外围电路进行直接控制的操作，和在windows系统写程序是两码事，先学习51单片机，了解了基本的运行原理，学STM32的时候就容易得多

没学过单片机，有c语言基础，是能直接学习stm32的。因为STM32是基于专为要求高性能、低成本、低功耗的嵌入式应用专门设计的ARM Cortex-0内核而设计的，属于高级单片机，其可以使用汇编语言编写程序，也可使用c语言编写程序，而且很多使用stm32单片机的人都是使用c语言编写程序，所以通过一本详细讲解stm32的书籍直接学习是完全可行的。

stm32不用I/O引脚怎样配置最省电？

在STM32进入低功耗状态时，如果闲置||或者是其他的IO没有配置好。也将会增加不必要的功耗；所以在做低功耗设计的时候需要将闲置（保证系统稳定,其他的引脚据情况而定）全部设置为模拟输入配置。具体如下图所示，由此可以实现IO零消耗。

如何评价ST的STM32CubeMX.AI？

首先，感谢楼主提问！

ST多年来一直从事人工智能研究和开发。作为大批量，广泛市场，嵌入式处理解决方案的领先供应商，我们专注于开发可扩展，灵活的产品和技术，以允许AI方法使各种设备受益，支持几乎无限数量的用例。

AI在STM32微控制器上

将来，几乎所有带有32位微控制器的设备都能够使用AI技术。更具体地说，他们将能够运行经过训练以完成特定任务的DNN（深度神经网络）。

虽然目前大多数微控制器没有内存和处理能力来运行创建DNN所需的学习算法，但只要网络针对微控制器进行了优化，它们就可以自己运行DNN。

ST创建了一个工具，可以为微控制器优化DNN 。STM32CubeMx.AI计划于今年晚些时候发布，作为STM32软件生态系统的一部分。

1、将您预先训练的神经网络依赖框架输入STM32 CUBMEX。

2、STM32优化库自动快速生成代码

3、STM32 CUBMEXX.AI保证了与最先进的深度学习设计框架的互操作性。

工具采用来自各种最流行的AI框架（包括Caffe，CNTK，Keras，Lasagne，TensorFlow和theano）的预训练神经网络模型输出，并将其映射到适合记忆的优化DNN和目标STM32微控制器的处理能力。

该工具还可以检查适配的DCNN的功能 - 它可以比原始的小10倍，精度损失可以忽略不计。

专用AI处理硬件的高级研发

ST开发了一种先进的片上系统演示器，可实现超高能效的DCNN处理。它解决了图像，视频和自然语言处理在数据速率和实时处理性能方面的挑战性要求。该演示器在28nm FD-SOI片上系统中结合了8个卷积加速器，8个双DSP集群和一个优化的分布式存储器架构。它在2017年初实现了2.9 TOPS / W @ 200MHz，0.575 V的效率。

常见框架的简洁；

Keras是由纯python编写的基于theano/tensorflow的深度学习框架。

Lasagne是 Theano 中的一个轻量级库.

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。

Caffe/Caffe2，全称Convolutional Architecture for Fast Feature Embedding。是一种常用的深度学习框架，在视频、图像处理方面应用较多。

Theano 基于 Python，是一个擅长处理多维数组的库（这方面它类似于 NumPy）。当与其他深度学习库结合起来，它十分适合数据探索。它为执行深度学习中大规模神经网络算法的运算所设计。其实，它可以被更好地理解为一个数学表达式的编译器：用符号式语言定义你想要的结果，该框架会对你的程序进行编译，来高效运行于 GPU 或 CPU。

Computational Network Toolkit (CNTK) 是微软出品的开源深度学习工具包。

嗯，这个问题问的好啊！

官方就放出来几张图，据说是要把CUBEMX升级成CUBEMX.AI。

说实在的，单片机发展起来搞AI也是正常的。

而且如今单片机性能如此强劲，不过，事实上这个东西我感觉应该是建立在M7内核以上了，超高性能单片机应该比较有可玩性，但是价格就有点不亲民了。

性能相对较低的F1系列，以及低功耗系列L才是STM32赚钱的地方，像F7和H7系列虽然性能强劲，但是毕竟价格也贵，而且性能相比竞品也没有突出优势。反观ATMEL以及NXP这些东西就有优势的多了，只是在消费级市场STM32太受欢迎了。

无论如何我们乐于看到新的框架新的工具出现在STM32工具平台上，虽然那个CUBEMX生成的代码经常会有问题。在此之前CMSIS-NN就是ARM官方出的AI框架，以及基于这个东西有人做出来的OPENMV，事实上还是蛮不错的，可玩性很高。

官方推这个还是很不错的，如果真的能搞起来估计又是消费级市场腥风血雨，反观开发者，又要无止境的学习学习学习。哈哈。学海无涯，回头是岸！

到此，以上就是小编对于stm32低功耗设计经验的问题就介绍到这了，希望介绍关于stm32低功耗设计经验的4点解答对大家有用。