X-CUBE-AI v7.1.0引入了多堆支持,开发人员只需单击即可轻松地将不同内容分配到碎片化的内存段上。

通过使用外部内存支持，开发人员可以轻松地在不同的内存区域分配权重。一旦模型存储在多个数组中，便可将部分权重映射到内部闪存，而其余的则映射到外部闪存。该工具使开发人员可以根据模型要求和应用程序内存占用使用非连续闪存区。

图形用户界面还提供了生成代码中使用的缓冲区的全面视图。

一旦选择了模型，开发人员就可以通过直观地检查统计数据来评估整体复杂性和内存占用。模型中的每一层都清晰可见，开发人员可以轻松识别关键层。

极化方式的不同可以防止在同一区域里不同位置上的错误安装。任意两个插座的距离小于300mm时,可以通过它们的尺寸、极化方式或者排布代码来进行区别。

插座的安装位置,插座水平安装或者垂直安装时,插座极化方式中主定位向前或者向上。

但是，开发人员可以选择TensorFlow™Lite运行时作为一种替代方案，在多个项目中发挥作用。即使可能会降低性能，因为运行时针对STM32的优化程度较低。

除了深度学习框架外，X-CUBE-AI还涵盖了来自著名开源库scikit-learn的机器学习算法，这是一个完整的Python机器学习框架，如：随机森林、支持向量机（SVM）、k-means聚类和k最近邻（k-NN）。

清洗站溶液比重导入SPC管控系统,连续上升或下降时能够自动警报,及时发现过程不良。

在晶元焊接后，增加侧面CDD检测识别，发现锡珠大于晶元厚度1/3判定为不良品，直接报废处理。

确认晶元浪涌失效为产品焊接后清洗不良导致，通过调整比重，增加清洗溶剂流量检测、侧面CCD视觉检测，能有效监控生产环节不良，及时筛选出不良品，减少因清洗不良导致的失效。