VIP20

本课程属于：001-TFLite Micro运行机制与基础部署 嵌入式边缘AI与TinyML · 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

20. TFLite Micro学习路线：从Demo到可交付嵌入式AI项目

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

学习目标 · 目标学员 · 课程结构

课程导入学习目标

嵌入式AI基础

MCU与SoC的区别 · 资源约束（内存 · Flash

TFLite Micro概述

什么是TFLite Micro · 与TFLite的关系 · 支持硬件平台

开发环境搭建

安装Arduino IDE · PlatformIO · CMake工具链

开发环境搭建Arduino

运行官方Hello World（正弦… · 理解模型推理流程 · 输出打印与调试

模型转换与量化

训练一个简单模型（Keras） · 转换为TFLite格式 · 进行后训练量化（int8）

模型转换量化

模型部署流程

将量化后的.tflite文件转换为C… · 集成到TFLite Micro工程 · 编写推理代码

模型部署流程tflite

TFLite Micro架构解析

解释解释器 · 算子 · 内存分配器

算子支持与内核

TFLite Micro内置算子列表 · 自定义算子（Op）的注册与实现方法

算子支持内核

静态内存规划 · Tensor Arena · 内存复用

内存管理静态内存规划

使用Profiler分析耗时 · 算子融合 · 量化感知训练

性能优化Profiler

传感器数据采集

使用I2C/SPI读取加速度计 · 麦克风等传感器 · 预处理数据（滤波

传感器数据采集I2C/SPI

关键词唤醒（KWS） · 部署到MCU实现“Hey”唤醒

实战项目KWS

图像分类 · 在MCU上实现简单图像分类（如手势识…

实战项目图像分类

异常检测：基于振动或温度数据 · 训练自编码器 · 部署后实时检测异常

实战项目异常检测

多传感器融合：结合IMU和气压计 · 实现姿态估计或高度预测 · 处理多输入模型

实战项目IMU

调试与测试

使用串口打印 · 断点调试 · 单元测试（Google Test）

模型鲁棒性

数据增强 · 对抗样本 · 量化误差分析

模型鲁棒性数据增强

低功耗模式 · 事件驱动推理 · 模型按需加载

功耗优化低功耗模式

固件更新与OTA

实现远程固件升级 · 支持模型热更新 · 确保可维护性

OTA固件更新

安全与隐私

模型加密 · 防篡改 · 数据脱敏

项目工程化

代码组织 · 版本控制（Git） · CI/CD

项目工程化代码组织

硬件选型与评估

根据项目需求选择MCU（算力 · 内存 · 外设）

硬件选型评估

分析一个开源TFLite Micro… · 拆解其架构与实现

案例研究TFLite

常见问题与解决方案

编译错误 · 内存不足 · 算子不支持

常见问题解决方案

性能基准测试

使用EEMBC MLPerf Tin… · 对比不同硬件上的性能 · 优化策略

性能基准测试EEMBC

在FreeRTOS或Zephyr上运… · 多任务调度与实时性保证

边缘计算与云协同

设备端推理与云端训练结合 · 模型更新策略 · 数据回传与隐私

边缘计算云协同

从零构建一个可交付的嵌入式AI产品（… · 涵盖需求分析 · 模型训练

课程总结与进阶路径

回顾核心技能 · 推荐学习资源（ · 社区

课程总结进阶路径