VIP20

本课程属于：007-STM32 TinyML模型部署与工程实践 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

12. STM32模型量化部署：Int8模型精度与资源评估

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

STM32模型量化部署的背景 · 学习目标 · 课程整体框架与适用人群

课程导入STM32

模型量化的基本概念 · Int8量化的原理 · 对称与非对称量化

量化基础模型量化的基本概…

STM32部署环境

STM32Cube.AI · X-CUBE-AI · STM32CubeMX等工具链介绍与…

STM32部署环境

从PyTorch/TensorFlo… · 以及部署前的模型优化

模型准备PyTorch/Tens…

Int8量化方法

训练后量化（PTQ） · 量化感知训练（QAT）在STM32部…

Int8量化方法

量化精度评估

量化前后模型精度对比方法 · 评估指标（准确率 · 混淆矩阵

量化精度评估量化前后模型精度…

资源评估指标

模型大小 · RAM/Flash占用 · 推理时间

资源评估指标模型大小

STM32硬件资源

常见STM32系列（如H7 · F4 · L4）的算力

STM32硬件资源

使用STM32Cube.AI将Ker…

STM32Cube.AIKer

使用PyTorch模型通过ONNX导… · 在STM32上运行图像分类任务

精度损失分析

量化误差来源（权重/激活量化 · 舍入误差 · 范围截断）及缓解策略

精度损失分析量化误差来源

校准数据集

PTQ中校准数据集的选择 · 大小 · 代表性对量化精度的影响

校准数据集PTQ

部分层保持Float32 · 部分层Int8的混合精度量化策略及在…

混合量化Float32

量化感知训练实战

在TensorFlow/PyTorc… · 提升Int8模型精度

量化感知训练实战TensorFlow/P…

模型剪枝与量化结合

结构化剪枝 · 非结构化剪枝与Int8量化联合优化资…

模型剪枝量化结合

STM32推理优化

算子融合 · 内存复用 · DMA传输

STM32推理优化

性能基准测试

使用STM32Cube.AI的Ben… · RAM/Flash占用

性能基准测试STM32Cube.AI

精度与资源权衡

不同量化配置（如per-tensor…

精度资源权衡

量化后精度骤降的原因排查 · 模型无法部署的常见错误及解决方案

常见问题量化后精度骤降的…

基于STM32F746的Int8图像…

案例STM32F746

基于STM32H743的实时目标检测…

案例STM32H743

语音关键词识别（KWS）模型在STM…

工具链进阶

使用STM32Cube.AI的Pyt… · 部署与评估流程

工具链进阶STM32Cube.AI

自定义算子

在STM32上实现自定义量化算子（如… · 池化）的注意事项

自定义算子STM32

多模型部署

多个Int8模型在STM32上的资源… · 调度与内存管理

多模型部署Int8

模型更新与OTA

在STM32上实现Int8模型的在线…

OTA模型更新

安全性与鲁棒性

量化对模型鲁棒性（对抗攻击 · 噪声）的影响及评估

安全性鲁棒性

从零开始完成一个端到端的STM32… · 包括模型训练 · 量化

综合实战STM32

核心知识点回顾 · 常见误区 · 最佳实践与学习路径建议

课程总结核心知识点回顾

如何进一步学习高级量化技术 · 参与开源项目 · 解决实际工程问题

综合提升如何进一步学习高…