VIP20

本课程属于：003-TFLite Micro算子注册、裁剪与自定义算子 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

7. TFLite Micro卷积算子解析：Conv2D在MCU上的执行路径

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 · 适用人群 · 课程整体框架与学习路径

课程导入学习目标

TFLite Micro概述

TFLite Micro的定位 · 与TFLite的关系 · 在MCU上的部署特点

MCU计算资源约束

MCU的算力 · 内存 · 功耗限制

MCU计算资源约束

卷积神经网络基础

卷积运算的数学定义 · 卷积核 · 步长

卷积神经网络基础卷积运算的数学定…

Conv2D算子功能解析

Conv2D在神经网络中的作用 · 输入输出张量格式（NHWC/NCHW…

Conv2D算子功能解析

TFLite Micro算子注册机制

算子如何注册 · 查找 · 调用

Conv2D算子接口定义

TFLite Micro中Conv2… · 参数结构（权重 · 偏置

Conv2D算子接口定义

INT8量化原理 · 量化参数（scale · zero_point）

量化基础INT8

量化卷积计算

量化Conv2D的数学推导 · 整数乘加运算 · 溢出处理

量化卷积计算Conv2D

TFLite Micro的量化Conv2D实现

参考实现代码结构 · 核心循环 · 累加器类型

内存管理策略

TFLite Micro的arena… · 张量生命周期 · Conv2D临时缓冲区

内存管理策略TFLite

数据布局与内存访问

NHWC布局在MCU上的优劣 · 内存对齐 · 缓存友好性

数据布局内存访问

卷积计算优化方法

im2col · 直接卷积 · 矩阵乘法展开

卷积计算优化方法im2col

TFLite Micro的优化内核

针对ARM Cortex-M的CMS… · DSP指令加速

CMSIS-NN卷积实现

arm_convolve_s8等函数… · 性能优势

CMSIS-NN卷积实现

Conv2D执行路径全流程

从模型解析 · 算子调度 · 内存分配到内核执行

Conv2D执行路径全流程

模型转换与算子生成

将Keras/TFLite模型转换为… · Conv2D的序列化

模型转换算子生成

实战环境搭建

搭建MCU仿真环境（QEMU/STM… · 编译TFLite Micro工程

实战环境搭建MCU

在模拟器上运行一个包含Conv2D的… · 观察输出

案例实战Conv2D

使用日志 · 断点 · 内存查看器分析Conv2D执行过程中…

调试技巧使用日志

测量Conv2D的耗时 · 内存占用 · 使用profiler工具

性能分析Conv2D

输出尺寸不匹配 · 填充错误 · 步长设置错误

常见问题1输出尺寸不匹配

量化精度损失 · 溢出 · 饱和处理不当

常见问题2量化精度损失

内存不足 · arena配置不当 · 张量生命周期错误

常见问题3内存不足

算子融合（Conv+ReLU） · 权重重排 · 剪枝与量化结合

优化策略Conv+ReLU

多平台适配

不同MCU架构（ARM · RISC-V）的优化差异

多平台适配MCU

深度可分离卷积 · 分组卷积在TFLite Micro中…

高级主题深度可分离卷积

在真实MCU开发板上部署Conv2D… · 实现实时推理

综合项目MCU

核心知识点回顾 · 常见误区 · 学习资源推荐

课程总结核心知识点回顾

设计一个自定义卷积算子并集成到TFL… · 扩展功能

综合提升TFL