VIP20
本课程属于：004-TFLite Micro Arena内存管理与资源优化 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

6. TFLite Micro SRAM资源压缩：模型结构与输入尺寸联合优化

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
01
课程导入
学习目标 · 核心概念 · 整体框架
课程导入学习目标
02
TFLite Micro基础
解释TFLite Micro的架构 · 解释器工作流程以及SRAM分配机制
TFLiteMicro
03
SRAM资源瓶颈分析
分析典型MCU上SRAM容量限制 · 以及模型推理时SRAM的主要消耗点
SRAM资源瓶颈分析
04
模型结构对SRAM的影响
卷积层 · 全连接层 · 深度可分离卷积等不同层对SRAM占用…
SRAM模型结构对
05
输入尺寸对SRAM的影响
输入分辨率 · 通道数 · 批大小如何影响中间张量大小和SRAM…
SRAM输入尺寸对
06
联合优化思想
为什么需要同时考虑模型结构和输入尺寸 · 而不是单独优化
联合优化思想为什么需要同时考…
07
模型结构压缩方法
剪枝 · 量化 · 知识蒸馏等结构压缩技术及其对SRAM…
模型结构压缩方法剪枝
08
输入尺寸优化方法
图像缩放 · 裁剪 · 动态输入尺寸调整等策略
输入尺寸优化方法图像缩放
09
TFLite Micro的arena机制
详解Tensor Arena的分配策… · 如何影响SRAM峰值
TFLiteMicro
10
模型转换与量化
使用TFLite Converter…
模型转换量化
11
模型结构搜索（NAS）入门
如何通过NAS自动寻找低SRAM占用…
NAS模型结构搜索
12
输入尺寸与模型结构的协同设计
通过实验展示联合调整比单独调整更有效
输入尺寸模型结构的协同设…
13
实战案例1
基于MobileNetV1的TFLi… · 优化SRAM占用
实战案例1MobileNetV1
14
实战案例2
基于CNN的语音关键词识别（KWS） · 压缩SRAM并保持精度
实战案例2CNN
15
实战案例3
人体活动识别（HAR）模型 · 联合优化输入尺寸和结构
实战案例3HAR
16
工具链使用
使用Netron · TFLite Model Analy…
工具链使用Netron
17
性能评估方法
如何测量TFLite Micro推理…
性能评估方法TFLite
18
常见陷阱与误区
如过度压缩导致精度骤降 · 输入尺寸过小影响识别率等
常见陷阱误区
19
优化迭代流程
从基线模型到优化模型的完整步骤 · 包括验证和回滚
优化迭代流程从基线模型到优化…
20
硬件平台适配
不同MCU（如STM32 · ESP32 · Cortex-M0/M4）的SRAM…
硬件平台适配MCU
21
与部署的集成
如何将优化后的模型集成到嵌入式工程中 · 并管理内存分配
部署的集成如何将优化后的模…
22
高级技巧
权重共享 · 张量复用 · 内存池优化等高级SRAM压缩方法
高级技巧权重共享
23
量化感知训练（QAT）
如何训练模型以更好地适应int8量化 · 减少SRAM
QAT量化感知训练
24
输入尺寸动态调整
运行时根据可用SRAM动态调整输入尺…
输入尺寸动态调整SRAM
25
多模型场景
多个模型共享SRAM时的联合优化策略
多模型场景SRAM
26
案例分析
对比不同优化组合（结构+输入）的SR…
案例分析SR
27
性能与精度权衡
如何设定优化目标 · 在SRAM限制下最大化模型精度
性能精度权衡
28
常见问题解答
解决优化过程中遇到的典型问题 · 如算子不支持 · 量化误差大等
常见问题解答解决优化过程
29
综合实战项目
从零开始优化一个实际TFLite M… · 要求SRAM降低50%且精度损失小于…
综合实战项目TFLite
30
课程总结与进阶方向
回顾核心知识点 · 介绍未来趋势（如自适应推理 · 边缘学习）和进一步学习资源
课程总结进阶方向