我在STM32单片机上跑神经网络算法—CUBE-AI
为什么可以在STM上面跑人工智能？简而言之就是通过X-Cube-AI扩展将当前比较热门的AI框架进行C代码的转化，以支持在嵌入式设备上使用，目前使用X-Cube-AI需要在STM32CubeMX版本7.0以上，目前支持转化的模型有Keras、TF lite、ONNX、Lasagne、Caffe、ConvNetJS。Cube-AI把模型转化为一堆数组，而后将这些数组内容解析成模型，和Tensorflow里的模型转数组后使用原理是一样的。
GoogleNet架构解析
GoogleNet 是 2014 年 ImageNet Challenge 图像识别比赛的冠军。从它的名字我们就 可以看出是来自谷歌的团队完成的。前面我们有介绍，GoogleNet 之所以获得冠军，是因为 它进行模型融合以后得到的效果要比 VGGNet 模型融合之后的效果要好。不过单模型比拼， 它与 VGGNet 的效果相当。
深度学习-分享几个开源AI模型库
现在市面上有很多的深度学习预训练模型库，这些预训练库收集了不同AI任务的SOTA模型，有的还提供推理的SDK。这对于做AI应用和AI开发来说，是宝贵的开源资源。
英语学习利器：一款词典笔的模型创新与工程实践
机器学习怎样帮助英语学习？查词、翻译、标准发音都少不了：OCR（光学字符识别）实时识别单词与句子，NMT（神经网络翻译）自动翻译语句，TTS（语音合成）合成最真实的标准读音。那么这些是不是能集成到一个硬件中，成为智能的英语学习利器，这就是网易有道词典笔 2.0。
