课程目的：旨在为AI深度学习解决方案提供关于ST生态系统的实践体验
实验步骤：
下载AI演示项目到ST开发板上
借助智能手机/平板电脑上的应用程序，将传感器数据和标签记录在ST开发板上
给定的Python脚本将处理数据集并训练NN模型
在STM32CubeMX.AI工具的帮助下，将神经网络训练好的模型导入到STM32项目中
相关软硬件简介
软硬件需求列表
IoT开发板—B-L475E-IOT01A
FP-AI-SENSING1
AI特定功能：训练用的数据集、数据标注、STM32模型转换对应代码
其他功能：使用RTOS实现低功耗、手机应用软件“ST BLE Sensor”
实验1：STM32固件下载和演示测试
连接B-L475-IOT01A
用Micro USB线连接到B-L475-IOT01A
连接之后，驱动会自动安装，请稍等一会儿
在ST-LINK（调试器）驱动程序已正确安装的情况下，端口（LD6）附近的指示灯将切换为红色
ST-LINK驱动安装
ST-LINK驱动安装检查
还可以在设备管理器的端口中检查是否会出现新的虚拟COM端口
B-L475-IOT01A默认固件下载
打开工程
双击SENSING1.eww，打开工程（IAR）
修改main.c文件
修改main.c文件中的InitBlueNRG_Stack(void)函数，BoardName字符串将是手机/平板APP中显示的开发板名字
FP-AI-SENSING1编译及下载
单击Rebuild all，然后单击Download and Debug按钮。将固件成功下载到STM32后，单击Stop按钮
Open the FW project in CubeIDE
修改main.c文件
修改main.c文件中的Init_BlueNRG_Stack (void)函数，BoardName字符串将是手机/平板APP中显示的开发板名字
Build the code
下载到开发板
ST BLE Sensor App
BLE Sensor应用程序。选择BLE名称；在下面的选项卡中选择“Activity Recognition”；晃动开发板，确认活动将从“Still”变为“Walking”或“Running”。
实验2：数据收集和神经网络训练
数据收集
使用ST BLE Sensor应用程序，我们现在可以收集特定状态（步行、慢跑、静止、楼梯）的运动传感器数据，并标记它们，以便通过重新训练神经网络来更新它。
数据记录功能可用于使用户能够创建用于训练其NN模型的数据集
文件包中还提供了用于模型重新培训的预处理Python脚本
在记录新手势的数据时，请注意以下细节：先启动日志，再打开标签。
手势完成后，可以禁用手势标签（手势末尾也会做注释）并停止日志（关闭.csv文件）。
断开USB连接
将跳线从位置“1-2”移动到“5-6”
将USB电缆连接到USB OTG端口
在保持按下“USER”（用户）按钮的同时，还按下“Reset”（复位）按钮
先松开“Reset”（重置）按钮后，再松开“USER”（用户）按钮
神经网络训练
Python脚本命令行参数选项
实验3：导入更新的网络模型并下载
STM32固件更新
为了生成模型文件我们需要创建一个新的CubeMX项目
