X-CUBE-AI v7.1.0引入了多堆支持,開發(fā)人員只需單擊即可輕松地將不同內(nèi)容分配到碎片化的內(nèi)存段上。

通過(guò)使用外部?jī)?nèi)存支持，開發(fā)人員可以輕松地在不同的內(nèi)存區(qū)域分配權(quán)重。一旦模型存儲(chǔ)在多個(gè)數(shù)組中，便可將部分權(quán)重映射到內(nèi)部閃存，而其余的則映射到外部閃存。該工具使開發(fā)人員可以根據(jù)模型要求和應(yīng)用程序內(nèi)存占用使用非連續(xù)閃存區(qū)。

圖形用戶界面還提供了生成代碼中使用的緩沖區(qū)的全面視圖。

一旦選擇了模型，開發(fā)人員就可以通過(guò)直觀地檢查統(tǒng)計(jì)數(shù)據(jù)來(lái)評(píng)估整體復(fù)雜性和內(nèi)存占用。模型中的每一層都清晰可見，開發(fā)人員可以輕松識(shí)別關(guān)鍵層。

極化方式的不同可以防止在同一區(qū)域里不同位置上的錯(cuò)誤安裝。任意兩個(gè)插座的距離小于300mm時(shí),可以通過(guò)它們的尺寸、極化方式或者排布代碼來(lái)進(jìn)行區(qū)別。

插座的安裝位置,插座水平安裝或者垂直安裝時(shí),插座極化方式中主定位向前或者向上。

但是，開發(fā)人員可以選擇TensorFlow™Lite運(yùn)行時(shí)作為一種替代方案，在多個(gè)項(xiàng)目中發(fā)揮作用。即使可能會(huì)降低性能，因?yàn)檫\(yùn)行時(shí)針對(duì)STM32的優(yōu)化程度較低。

除了深度學(xué)習(xí)框架外，X-CUBE-AI還涵蓋了來(lái)自著名開源庫(kù)scikit-learn的機(jī)器學(xué)習(xí)算法，這是一個(gè)完整的Python機(jī)器學(xué)習(xí)框架，如：隨機(jī)森林、支持向量機(jī)（SVM）、k-means聚類和k最近鄰（k-NN）。

清洗站溶液比重導(dǎo)入SPC管控系統(tǒng),連續(xù)上升或下降時(shí)能夠自動(dòng)警報(bào),及時(shí)發(fā)現(xiàn)過(guò)程不良。

在晶元焊接后，增加側(cè)面CDD檢測(cè)識(shí)別，發(fā)現(xiàn)錫珠大于晶元厚度1/3判定為不良品，直接報(bào)廢處理。

確認(rèn)晶元浪涌失效為產(chǎn)品焊接后清洗不良導(dǎo)致，通過(guò)調(diào)整比重，增加清洗溶劑流量檢測(cè)、側(cè)面CCD視覺(jué)檢測(cè)，能有效監(jiān)控生產(chǎn)環(huán)節(jié)不良，及時(shí)篩選出不良品，減少因清洗不良導(dǎo)致的失效。