VIP20

本课程属于：109-STM32N6边缘AI与智能视觉工程 嵌入式与底层系统 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

STM32N6 NPU模型量化与优化工程

共计 30 章节

可可资料掘金营 · 点击在线试看

STM32N6 NPU架构与量化工程导入

目标=Neural-ART NPU硬… · 量化在边缘AI部署中的价值 · 课程实战目标与工具链全景

STM32N6 NPU开发环境搭建

目标=STM32CubeMX · STM32Cube.AI · X-CUBE-AI扩展包

面向STM32N6 NPU的模型选型与约束分析

目标=支持算子集 · 张量形状限制 · 内存预算

训练后量化基础

目标=浮点模型到定点模型的映射原理 · 对称/非对称量化 · per-tensor与per-cha…

训练后量化基础目标=浮点模型到…

STM32N6 NPU量化校准流程

目标=校准集构建 · 数据预处理一致性 · 校准算法选择

量化感知训练在STM32N6 NPU上的落地

目标=伪量化节点插入 · 训练策略 · 学习率调整

模型图优化与NPU算子融合

目标=常量折叠 · BN折叠 · 激活融合

NPU模型图优化

张量布局与内存规划优化

目标=NHWC/NCHW转换 · 权重排布 · 激活缓冲区复用

张量布局内存规划优化

STM32N6 NPU模型编译与部署实战

目标=使用STM32Cube.AI生… · 配置NPU加速层 · 集成到STM32N6工程并运行推理

量化精度评估与调试

目标=逐层误差分析 · 余弦相似度 · MSE/PSNR指标

量化精度评估调试

典型卷积神经网络量化优化实战

目标=以MobileNet/ResN… · 完成量化 · 编译

典型卷积神经网络…MobileNet/Re…

轻量级目标检测模型在STM32N6 NPU上的量化部署

目标=YOLO系列模型剪枝 · 量化 · 后处理适配与实时性评估

音频与关键词唤醒模型量化实战

目标=MFCC前端 · DS-CNN/TCN模型量化 · NPU推理与低功耗运行策略

音频关键词唤醒模型量…

Transformer类模型在STM32N6 NPU上的量化探索

目标=注意力算子支持 · 量化敏感层处理 · 内存与算力瓶颈分析

TransformerSTM32N6

混合精度量化策略

目标=敏感层识别 · 8位/16位混合量化 · NPU对混合精度的支持与性能权衡

混合精度量化策略目标=敏感层识别

模型剪枝与稀疏化协同NPU优化

目标=结构化剪枝 · 通道剪枝 · 稀疏张量在NPU上的加速效果与部署限…

NPU模型剪枝

知识蒸馏辅助量化

目标=教师-学生模型设计 · 蒸馏损失与量化误差补偿 · 在STM32N6 NPU上的部署验证

知识蒸馏辅助量化目标=教师

STM32N6 NPU性能剖析与瓶颈定位

目标=利用STM32Cube.AI报… · 周期计数 · 内存带宽分析定位计算与访存瓶颈

NPU与CPU/DSP协同调度优化

目标=任务划分 · 数据搬运 · 双缓冲

低功耗量化推理工程

目标=动态电压频率调节 · NPU时钟门控 · 批处理与唤醒策略在电池供电场景中的优…

低功耗量化推理工…目标=动态电压频…

多模型与多任务部署优化

目标=模型切换 · 内存复用 · 优先级调度

多模型多任务部署优化

量化模型的安全与鲁棒性

目标=对抗样本影响 · 量化噪声鲁棒性 · 异常输入检测与安全部署实践

量化模型的安全鲁棒性

STM32N6 NPU模型版本管理与持续集成

目标=模型仓库 · 量化配置版本化 · 自动化编译与回归测试流水线

端到端视觉应用实战

目标=从摄像头采集 · 预处理 · NPU推理到后处理与显示的完整量化优…

端到端视觉应用实…目标=从摄像头采…

端到端音频应用实战

目标=从麦克风阵列 · 前端特征 · NPU推理到决策输出的低延迟量化部署

端到端音频应用实…目标=从麦克风阵…

工业异常检测案例

目标=基于STM32N6 NPU的轻… · 阈值调优与现场部署

工业异常检测案例STM32N6

智能家居手势识别案例

目标=ToF/图像传感器数据 · 轻量分类模型量化 · NPU加速与交互优化

智能家居手势识别…ToF

模型量化与优化中的常见陷阱与解决方案

目标=精度崩塌 · 算子不支持 · 内存溢出

模型量化优化

STM32N6 NPU量化优化项目综合实战

目标=给定应用需求 · 完成模型选择 · 量化

课程总结与工程能力提升路径

目标=知识体系回顾 · 工具链演进跟踪 · 社区资源与后续进阶方向

课程总结工程能力提升路径