STM32上部署AI的两个实用软件——Nanoedge AI Studio和STM32Cube AI

news2025/2/8 9:28:19

1 引言

        STM32 微控制器在嵌入式领域应用广泛，因为它性能不错、功耗低，还有丰富的外设，像工业控制、智能家居、物联网这些场景都能看到它的身影。与此同时，人工智能技术发展迅速，也逐渐融入各个行业。

        把 AI 部署到 STM32 上，能让嵌入式系统更智能，不过这并不容易。AI 模型运行需要大量计算资源和内存，而 STM32 硬件资源有限。所以，找到合适工具很重要。

        今天介绍两款能在 STM32 上部署 AI 的实用软件，Nanoedge AI Studio 和 STM32Cube AI。它们能帮开发者解决难题，顺利在 STM32 上部署 AI 算法，下面就详细讲讲这两款软件。

2 Nanoedge AI Studio

2.1 软件获取

Nanoedge AI Studio是用于STM32部署边缘AI的软件，Studio可生成四种类型的库：异常检测、单分类、多分类、预测。它支持所有类型的传感器，所生成的库不需要任何云连接，可以直接在本地学习与部署，支持STM32所有MCU系列。需要搭配STM32CubeMX、Keil或STM32CubeIDE等编译器使用。

下面这个链接是ST的下载网址：

 https://www.st.com/en/development-tools/nanoedgeaistudio.html

下载过程中会收到邮件，里面有license，第一次使用软件需要用到

到此，软件就获取完毕

2.2 软件介绍

前面已提到，Studio可生成四种类型的库：异常检测、单分类、多分类、预测。左上角四个模型分别对应这四种库（AD：异常检测，nC：多分类，1C：单分类，E：预测），然后下面是以前做过的一些历史工程。

下面对这四种库讲一下使用流程：

2.2.1 异常检测

异常检测：异常检测是指模型对正常数据与异常数据进行训练、学习后，生成的模型可以识别生成的边缘AI可以判断数据是正常还是错误。

这里可能会有疑问，为什么不使用阈值判断等方法，甚至加个滤波可能更加准确，这么做不是更简单吗，在这里使用AI的作用在哪？

答案是，第一，得到的数据难免会出现上下浮动的问题，如何选取阈值是一个值得考虑的问题，对于界限没那么清晰的情况，经常需要经过多次实验确定阈值。而如果使用AI，我们只需要告诉模型，一种情况下的现象是如何，另一种情况下的现象是如何，直接由算法帮我们分析。

第二，也是比较关键的一点，如果我们需要根据多维参数确定一个整体的综合情况，比如评价水质，我们可能会从多角度去考虑（温度、浊度、PH值、含氧量等），那么这个时候，设定阈值就会非常难。

综上，使用AI来做异常检测，会使得问题考虑起来更容易。

在学习这里的时候，在几个平台看到了几个比较经典的例子，可以引入异常检测：

1.风扇、电机等异常检测：通过电流传感器、ADC等检测电流、电压等物理量，我试过通过MPU6050加速度传感器监测电机是否在正常工作

2.声音检测：通过声音传感器反馈出电压模拟量

3.无人机飞行异常检测：没有仔细去研究参考的物理量，个人认为需要通过上述提到的物理量综合考虑

当然还有一些例子，这里就不一一列举了，大家可以尝试做一下

那么，下面就开始讲解软件基本用法：

点开左上角的AD，进入模型构建界面：

第一个界面是Project Setting：

第一步确定模型在ROM和RAM上的最大占据量，这里我直接用默认

第二步，在右边确定芯片型号。这里比较好的一点是，我可以直接选择一个系列，这个系列里的所有型号都能够通用

第三步，选择参考量的个数。如果想用三轴加速度传感器，那么显然这时需要参考三个量，点击第一个图标即可选择。当然后面还有电流量等等的检测，这里就不再赘述了。

当然，上面也提到了，使用AI来做异常检测的好处是能综合多个量判断状态，这时点击Cross sectional选项可以选择Multi-sensor，注意参考量个数的选择，几个量就是几个Axes。

这里，我选择三轴加速度传感器作为演示实例。

第二个界面是Regular signals。前面提到，需要引入正常数据和异常数据进行检测，这里就是采集正常数据。

点击Add Signal，然后看到有两个方法：

一个是导入本地csv格式的数据表格，另一种是用串口向电脑发送数据。

对于导入csv表格，软件内的提示我感觉写的并不是很清晰，我的理解是：进行的一次实验测得的数据写在一行内。测得的每个数据，都要按照x,y,z的顺序来，然后不要空格。比如我得到三个方向加速度，分别为x，y，z。第一次实验，我在一段时间内测得200次，也就是得到200组加速度数据，第一组为x1，y1，z1，第二组为x2，y2，z2。那么，放在表格里的顺序是：x1，y1，z1，x2，y2，z2，......第一次实验完成后进行第二次实验，把实验数据写在第二行，每行最多有256组数据，然后实验次数不要低于20次，也就是行数不低于20行。

这里注意的一点是，不要写任何题头，直接顶格写数据。

对于用串口发送数据，可能会更加方便一点，但前提是不对数据再做人工处理。但这里需要写程序把数据按顺序通过串口发送电脑上。下面的是我用MPU6050发送数据的代码，其他的思路都是一样的，供大家参考。

 char buf[30];
 int cnt;
 MPU6050_Init();
 while (1)
 {
     sprintf(buf,"%ld,%ld,%ld,",AccelData[0],AccelData[1],AccelData[2]);
     MPU6050ReadAcc(Accel);
     for( int i=0;i<3;i++)
     {
		if(Accel[i]>=0)
		{
			AccelData[i]=Accel[i]*2000/32768;
		}
		else
		{
			AccelData[i]=-(-Accel[i]+1)*2000/32768;
		}		
	}
    HAL_UART_Transmit(&huart1,(uint8_t*)buf,strlen(buf),0xFFFF);
    cnt++;
	if(cnt==256)
	{
		cnt=0;
		HAL_UART_Transmit(&huart1,(uint8_t*)"\r\n",2,0xFFFF);
	}
}

每一次实验的数据要用回车隔开，每个数要用特定字符隔开，这里我用的是逗号，当然其他一些符号也行，大家可以自己研究，最后导入之前再把提示的异常数据删除即可。

这时就能看到导入的数据的直观图了，至于RUN OPTIONAL CHECKS那里，我觉得点不点都行，这个的目的是检查数据的质量。

第三个部分是对异常情况下数据的采集，一样的，就不赘述了

第四个部分Benchmark就是模型训练了，这里会自动计算若干个算法对于导入的这些数据的适配性

训练完如此，可以选择最好的几个进行仿真测试。

最后一步，就是自动生成代码了。

左边这几个选项，第三个和第四个勾选即可，

第二个如果导入的数据里没有浮点数，就不要勾选，

如果想同时使用多个模型，勾选第一个，并命名。

最后点击COMPILE LIBRARY，生成文件。

这里需要导入编译器的文件是libenai.a和NanoEdgeAI.h，找到自己工程的位置

打开Core文件夹，里面有Src和Inc两个文件夹，把libenai.a放到Src文件夹里，NanoEdgeAI.h放到Inc文件夹里。然后打开编译器，我这里使用Keil

 导入到工程里，然后双击libneai.h文件，点第一个

文件类型选Library file 

 至此文件就导入完毕了

在Studio，最后一步右边还有自动生成的代码


/* Includes --------------------------------------------------------------------*/
#include "NanoEdgeAI.h"//直接粘贴
/* Number of samples for learning: set by user ---------------------------------*/
#define LEARNING_ITERATIONS 30//直接粘贴
float input_user_buffer[DATA_INPUT_USER * AXIS_NUMBER]; //直接粘贴
void fill_buffer(float input_buffer[])//直接粘贴，后续需要在这里加代码填充input_buffer[]
{
	/* USER BEGIN */
	/* USER END */
}

/* -----------------------------------------------------------------------------*/
int main(void)
{
	/* Initialization ------------------------------------------------------------*/
	enum neai_state error_code = neai_anomalydetection_init();//直接粘贴
	uint8_t similarity = 0;//直接粘贴

	if (error_code != NEAI_OK) {
		/* This happens if the library works into a not supported board. */
	}//直接粘贴

	/* Learning process ----------------------------------------------------------*/
	for (uint16_t iteration = 0 ; iteration < LEARNING_ITERATIONS ; iteration++) {
		fill_buffer(input_user_buffer);
		neai_anomalydetection_learn(input_user_buffer);
	}//直接粘贴
	
	/* Detection process ---------------------------------------------------------*/
	while (1) {
		fill_buffer(input_user_buffer);
		neai_anomalydetection_detect(input_user_buffer, &similarity);//直接粘贴
		/* USER BEGIN */
    /*
    * e.g.: Trigger functions depending on similarity
    * (blink LED, ring alarm, etc.).
    */
		/* USER END */
	}
}

similarity代表相似度，相似度越高代表越正常，最高为100，最低为0，低于一定值就代表异常，一般认为90以下异常

最后，别忘勾选Short enums/wchar（之前在Studio里勾选，这里照应上了）

 到这里就应该可以正常编译了

2.2.2 单分类/多分类

单分类的是指，将数据进行导入，进行机器学习后，可以判断出设备的正常或者异常。这里与异常判断不同的是，这里会将所有非正常的数据判断为异常，而异常判断却可以分析出当前数据与正常数据的相似度。

单分类跟异常检测还是很像的，这里就不多说了，唯一需要说的是，导入数据的时候要把两类都导入，同样多分类也是，也不多说了

2.2.3 预测

模型可以对过往的数据进行分析，训练，生成的模型可以根据近期的数据近似分析出下一个时刻可能的数据，大家也可以自行研究。

至此，Nanoedge AI Studio讲解完毕

3 STM32Cube AI

3.1 软件获取

X-CUBE-AI是STM32Cube.AI生态系统的STM32Cube扩展软件包的一部分，通过自动转换预训练的神经网络并将生成的优化库集成到用户的项目中，扩展了STM32CubeMX功能。

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5.0以上，目前支持转化的模型有Keras、TF lite、ONNX等，还算比较牛的，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。

在工程内，或Manage Embedded Software Packages里安装

3.2 软件介绍

我这里使用8.1版本，导入什么类型的模型就选什么格式，选择STM32Cube.AI runtime，Compression代表压缩模型，如果模型过于复杂，那么根据需求选择压缩程度，Optimization是选择时间和空间的协调程度，即时间优先还是空间优先

 然后点击Analyze分析模型，分析结束后可以直接生成代码，打开编译器，这里着重讲一下代码，需要对自动生成的代码有一定了解。

写程序基本的思路是：输入数据（预处理）、模型推理、输出数据（后处理）

先看main.c文件，自动生成的代码如下：

MX_X_CUBE_AI_Init();
while (1)
{
    MX_X_CUBE_AI_Process();
}

显然，第一句是AI初始化，while内的是AI的数据处理

AI的初始化我没有改动，主要看AI的数据处理过程，右键MX_X_CUBE_AI_Process（）看这个函数的定义

void MX_X_CUBE_AI_Process(void)
{
    /* USER CODE BEGIN 6 */
  int res = -1;

  printf("TEMPLATE - run - main loop\r\n");

  if (network) {

    do {
      /* 1 - acquire and pre-process input data */
      res = acquire_and_process_data(data_ins);
      /* 2 - process the data - call inference engine */
      if (res == 0)
        res = ai_run();
      /* 3- post-process the predictions */
      if (res == 0)
        res = post_process(data_outs);
    } while (res==0);
  }

  if (res) {
    ai_error err = {AI_ERROR_INVALID_STATE, AI_ERROR_CODE_NETWORK};
    ai_log_err(err, "Process has FAILED");
  }
    /* USER CODE END 6 */
}

其实这里就可以看出前面提到的三个步骤，但这里的逻辑我感觉没有说很好，于是决定自己封装函数。

这里就不过多讲解了，其实这里需要对app_x_cube_ai.c文件里的代码做一定的了解，

比如代码里涉及到的数据类型，这里换了个名，要能看懂

typedef uint8_t       ai_custom_type_signature;

typedef void*         ai_handle;
typedef const void*   ai_handle_const;

typedef float         ai_float;
typedef double        ai_double;

typedef bool          ai_bool;

typedef char          ai_char;

typedef uint32_t      ai_size;
typedef int16_t       ai_short_size;

typedef uintptr_t     ai_uptr;

typedef unsigned int  ai_uint;
typedef uint8_t       ai_u8;
typedef uint16_t      ai_u16;
typedef uint32_t      ai_u32;
typedef uint64_t      ai_u64;

typedef int           ai_int;
typedef int8_t        ai_i8;
typedef int16_t       ai_i16;
typedef int32_t       ai_i32;
typedef int64_t       ai_i64;

typedef uint64_t      ai_macc;

typedef int32_t       ai_pbits;

typedef uint32_t      ai_signature;

typedef void (*ai_handle_func)(ai_handle);

CubeMX也提供了一些示例代码，也有一个大概的了解

/* USER CODE BEGIN 2 */
int acquire_and_process_data(ai_i8* data[])
{
  /* fill the inputs of the c-model
  for (int idx=0; idx < AI_NETWORK_1_IN_NUM; idx++ )
  {
      data[idx] = ....
  }

  */
  return 0;
}

int post_process(ai_i8* data[])
{
  /* process the predictions
  for (int idx=0; idx < AI_NETWORK_1_OUT_NUM; idx++ )
  {
      data[idx] = ....
  }

  */
  return 0;
}
/* USER CODE END 2 */

最后附上我自己封装的代码，供大家参考。

我训练的模型是输入5个float数据，输出1个ai_i32数据

app_x_cube_ai.c文件

ai_buffer* Get_Inputs(void)
{
	ai_u16 *in_buffer=(short unsigned int*)0;
	return ai_network_inputs_get(network,in_buffer);
}
ai_buffer* Get_Outputs(void)
{
	ai_u16 *out_buffer=(short unsigned int*)0;
	return ai_network_outputs_get(network,out_buffer);
}
void PrepareInput(ai_float* InputData)
{
	ai_input=Get_Inputs();
	ai_input->data=InputData;
}
ai_i32* Predict()
{
	ai_output=Get_Outputs();
	ai_run();
	return (ai_i32*)ai_output->data;
}
void NetPrint()
{
	printf("Input shape:");
	for(int i=0;i<Get_Inputs()->shape.size;i++)
	{
		printf("%d ",Get_Inputs()->shape.data[i]);
	}
	printf("\r\n");
	printf("Output shape:");
	for(int i=0;i<Get_Outputs()->shape.size;i++)
	{
		printf("%d ",Get_Outputs()->shape.data[i]);
	}
	printf("\r\n");
}

.h文件

void PrepareInput(ai_float* InputData);
void NetPrint(void);
ai_i32* Predict(void);

main.c文件

float Data[6][5]={
  
  {1,450,23,7,60},{0,640,25,8,10},{2,420,25,8,0},{3,680,27,8.5,20},{4,400,24,7,80},{5,530,22,7.5,40}};
NetPrint();
 while (1)
 {    
    for(int k=0;k<6;k++)
    {
	    float InputData[5]={Data[k][0],Data[k][1],Data[k][2],Data[k][3],Data[k][4]};
		PrepareInput(InputData);
		printf("InputData:%f %f %f %f %f\r\n",InputData[0],InputData[1],InputData[2],InputData[3],InputData[4]);
		printf("outData:%d\r\n",*Predict());
		printf("\r\n");
	}
 }

测试结果与上位机一致。至此，STM32Cube AI的基本使用讲解结束。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2294715.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

qt+gstreamer快速创建一个流媒体播放器

qt+gstreamer快速创建一个流媒体播放器

目录 1 前言 2 playbin3 3 videooverlay 4 关键代码 5 运行示例 1 前言 最近因为工作需求&#xff0c;要实现一个桌面流媒体播放器来支持常见的流媒体协议&#xff0c;经过调研发现使用gstreamer配合一些桌面级的gui应用开发工具如qt可以进行快速实现&#xff0c;在此进…
阅读更多...
DeepSeek V2报告阅读

DeepSeek V2报告阅读

概况 MoE架构&#xff0c;236B参数&#xff0c;每个token激活参数21B&#xff0c;支持128K上下文。采用了包括多头潜在注意力&#xff08;MLA&#xff09;和DeepSeekMoE在内的创新架构。MLA通过将KV缓存显著压缩成潜在向量来保证高效的推理&#xff0c;而DeepSeekMoE通过稀疏计…
阅读更多...
零基础Vue入门6——Vue router

零基础Vue入门6——Vue router

本节重点&#xff1a; 路由定义路由跳转 前面几节学习的都是单页面的功能&#xff08;都在专栏里面https://blog.csdn.net/zhanggongzichu/category_12883540.html&#xff09;&#xff0c;涉及到项目研发都是有很多页面的&#xff0c;这里就需要用到路由&#xff08;vue route…
阅读更多...
关于JS继承的七种方式和理解

关于JS继承的七种方式和理解

1.原型链继承 function Fun1() {this.name parentthis.play [1, 2, 3] } function Fun2() {this.type child }Fun2.prototype new Fun1()let s1 new Fun2() let s2 new Fun2() s1.play.push(4) console.log(s1.play, s2.play) // [1, 2, 3, 4] [1, 2, 3, 4]可以看到两个…
阅读更多...
【Vue】在Vue3中使用Echarts的示例 两种方法

【Vue】在Vue3中使用Echarts的示例 两种方法

文章目录 方法一template渲染部分js部分方法一实现效果 方法二template部分js or ts部分方法二实现效果 贴个地址~ Apache ECharts官网地址 Apache ECharts示例地址 官网有的时候示例显示不出来&#xff0c;属于正常现象&#xff0c;多进几次就行 开始使用前&#xff0c;记得先…
阅读更多...
每日Attention学习18——Grouped Attention Gate

每日Attention学习18——Grouped Attention Gate

模块出处 [ICLR 25 Submission] [link] UltraLightUNet: Rethinking U-shaped Network with Multi-kernel Lightweight Convolutions for Medical Image Segmentation 模块名称 Grouped Attention Gate (GAG) 模块作用 轻量特征融合 模块结构 模块特点 特征融合前使用Group…
阅读更多...
124，【8】buuctf web [极客大挑战 2019] Http

124，【8】buuctf web [极客大挑战 2019] Http

进入靶场 查看源码 点击 与url有关&#xff0c;抓包 over
阅读更多...
源路由 | 源路由网桥 / 生成树网桥

源路由 | 源路由网桥 / 生成树网桥

注&#xff1a;本文为 “源路由” 相关文章合辑。 未整理去重。 什么是源路由&#xff08;source routing&#xff09;&#xff1f; yzx99 于 2021-02-23 09:45:51 发布 考虑到一个网络节点 A 从路由器 R1 出发&#xff0c;可以经过两台路由器 R2、R3&#xff0c;到达相同的…
阅读更多...
FPGA的IP核接口引脚含义-快解

FPGA的IP核接口引脚含义-快解

疑问 手册繁琐&#xff0c;怎样快速了解IP核各输入输出接口引脚的含义。 答疑 不慌不慌&#xff0c;手册确实比较详细但繁琐&#xff0c;如何快速知晓该部分信息&#xff0c;涛tao道长给你们说&#xff0c;简单得很&#xff0c;一般新入门的道友有所不知&#xff0c;往往后面…
阅读更多...
Qwen2-VL-2B-Instruct 模型 RK3576 板端部署过程

Qwen2-VL-2B-Instruct 模型 RK3576 板端部署过程

需要先在电脑上运行 RKLLM-Toolkit 工具&#xff0c;将训练好的模型转换为 RKLLM 格式的模型&#xff0c;然后使用 RKLLM C API 在开发板上进行推理。 在安装前先查看板端的内存容量&#xff0c;和自己模型占用大小比较一下&#xff0c;别安装编译好了不能用。 这里我就是先尝试…
阅读更多...
如何设计光耦电路

如何设计光耦电路

光耦长这样&#xff0c;相信小伙伴们都见过&#xff0c;下图是最为常用的型号PC817 怎么用&#xff1f;我们先看图&#xff0c;如下图1&#xff1a; Vin为输入信号&#xff0c;一般接MCU的GPIO口&#xff0c;由于这里的VCC1为3.3V&#xff0c;故MCU这边的供电电源不能超过3.3V…
阅读更多...
ADC模数转换器概念函数及应用

ADC模数转换器概念函数及应用

ADC模数转换器概念函数及应用 文章目录 ADC模数转换器概念函数及应用1.ADC简介2.逐次逼近型ADC2.1逐次逼近型ADC2.2stm32逐次逼近型2.3ADC基本结构2.4十六个通道 3.规则组的4种转换模式3.1单次转换&#xff0c;非扫描模式3.2连续转换&#xff0c;非扫描模式3.3单次转换&#xf…
阅读更多...
DFX（Design for eXcellence）架构设计全解析：理论、实战、案例与面试指南*

DFX（Design for eXcellence）架构设计全解析：理论、实战、案例与面试指南*

一、什么是 DFX &#xff1f;为什么重要&#xff1f; DFX&#xff08;Design for eXcellence&#xff0c;卓越设计&#xff09;是一种面向产品全生命周期的设计理念&#xff0c;旨在确保产品在设计阶段就具备**良好的制造性&#xff08;DFM&#xff09;、可测试性&#xff08;…
阅读更多...
【LeetCode】152、乘积最大子数组

【LeetCode】152、乘积最大子数组

【LeetCode】152、乘积最大子数组 文章目录 一、dp1.1 dp1.2 简化代码 二、多语言解法 一、dp 1.1 dp 从前向后遍历, 当遍历到 nums[i] 时, 有如下三种情况 能得到最大值: 只使用 nums[i], 例如 [0.1, 0.3, 0.2, 100] 则 [100] 是最大值使用 max(nums[0…i-1]) * nums[i], 例…
阅读更多...
《云夹：让书签管理变得轻松又高效》

《云夹：让书签管理变得轻松又高效》

在当今数字化的生活与工作场景中&#xff0c;我们畅游于网络的浩瀚海洋&#xff0c;每天都会邂逅各式各样有价值的网页内容。而如何妥善管理这些如繁星般的书签&#xff0c;使其能在我们需要时迅速被找到&#xff0c;已然成为众多网络使用者关注的焦点。云夹&#xff0c;作为一…
阅读更多...
Microsoft Fabric - 尝试一下在pipeline中发送请求给web api(获取数据和更新数据)

Microsoft Fabric - 尝试一下在pipeline中发送请求给web api(获取数据和更新数据)

1.简单介绍 Microsoft Fabric中的Pipeline支持很多种activity&#xff0c;分成数据转换和控制流两种类型的activitly。 这边将尝试一下发送web请求的activity&#xff0c;要做成的pipeline大概如下图所示&#xff0c; 上图中有4个Activity&#xff0c;作用如下 Web - 从一个…
阅读更多...
数据完整性与约束的分类

数据完整性与约束的分类

一、引言 为什么需要约束&#xff1f;为了保证数据的完整性。 &#xff08;1&#xff09;数据完整性 数据完整性指的是数据的精确性和可靠性。 为了保证数据的完整性&#xff0c;SQL对表数据进行额外的条件限制&#xff0c;从以下四方面考虑&#xff1a; ①实体完整性&…
阅读更多...
docker安装nacos2.x

docker安装nacos2.x

本文为单机模式&#xff0c;非集群教程&#xff0c;埋坑 nacos2.x官方强制条件 64 bit OS&#xff0c;支持 Linux/Unix/Mac/Windows&#xff0c;推荐选用 Linux/Unix/Mac。 64 bit JDK 1.8 Maven 3.2.x 环境介绍 centos 7 maven 3.9.9 jdk 17 nacos 2.3.1 1. 拉取docker镜像 d…
阅读更多...
GB/T28181 开源日记[8]：国标开发速知速会

GB/T28181 开源日记[8]：国标开发速知速会

服务端源代码 github.com/gowvp/gb28181 前端源代码 github.com/gowvp/gb28181_web 介绍 go wvp 是 Go 语言实现的开源 GB28181 解决方案&#xff0c;基于GB28181-2022标准实现的网络视频平台&#xff0c;支持 rtmp/rtsp&#xff0c;客户端支持网页版本和安卓 App。支持rts…
阅读更多...
6 maven工具的使用、maven项目中使用日志

6 maven工具的使用、maven项目中使用日志

文章目录 前言一、maven&#xff1a;一款管理和构建java项目的工具1 基本概念2 maven的安装与配置&#xff08;1&#xff09;maven的安装&#xff08;2&#xff09;IDEA集成Maven配置当前项目工程设置 maven全局设置 &#xff08;3&#xff09;创建一个maven项目 3 pom.xml文件…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023