VIP20

本课程属于：010-Edge Impulse端侧AI数据采集与模型部署 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

19. Edge Impulse与TFLite Micro：从平台模型到自定义固件

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

边缘AI与TinyML基础

边缘计算 · TinyML概念 · 典型应用场景与硬件限制

Edge Impulse平台概览

平台功能 · 工作流程 · 免费与付费版本对比

TFLite Micro简介

TFLite Micro架构 · 与TFLite的区别 · 支持的硬件与算子

开发环境搭建

安装Edge Impulse CLI · 配置Arduino/ESP32/ST…

开发环境搭建Edge

数据采集与标注

使用Edge Impulse采集传感… · 数据分割 · 标注与数据平衡

数据采集标注

数据预处理与特征工程

时域/频域特征 · 频谱图 · MFCC等特征提取方法

数据预处理特征工程

模型设计与训练

在Edge Impulse中构建神经… · 选择模型架构 · 训练参数调优

模型设计训练

模型评估与优化

混淆矩阵 · 准确率/召回率 · 模型量化

模型评估优化

模型部署到设备

将Edge Impulse模型导出为… · 部署到微控制器的流程

模型部署到设备Edge

TFLite Micro运行时集成

在自定义固件中集成TFLite Mi… · 加载模型与推理

自定义固件开发基础

固件结构 · 外设驱动 · 内存管理与实时操作系统(RTOS)选…

自定义固件开发基…固件结构

传感器数据读取与预处理代码实现

编写代码读取IMU/麦克风/摄像头等…

传感器数据读取预处理代码实现

推理引擎封装

编写跨平台的推理类 · 处理输入输出张量 · 管理模型生命周期

推理引擎封装编写跨平台的推理…

案例实战一

关键词唤醒（KWS）——使用Edge…

案例实战一KWS

案例实战二

人体活动识别（HAR）——基于IMU…

案例实战二HAR

案例实战三

图像分类——使用Edge Impul…

案例实战三Edge

性能优化与功耗管理

推理时间优化 · 内存占用降低 · 低功耗模式与唤醒策略

性能优化功耗管理

模型更新与OTA

固件中实现模型热更新 · OTA升级流程与安全校验

OTA模型更新

调试与日志

使用串口输出 · 断点调试 · 性能分析工具定位问题

常见问题与解决方案

模型不工作 · 内存不足 · 推理结果错误等典型问题排查

常见问题解决方案

Edge Impulse与TFLite Micro的进阶技巧

自定义算子 · 量化感知训练 · 混合精度

多传感器融合

融合多个传感器数据提升模型鲁棒性 · 在Edge Impulse中实现

多传感器融合融合多个传感器数…

边缘端持续学习

在线学习 · 增量训练 · 模型自适应更新策略

边缘端持续学习线学习

安全与隐私

模型加密 · 输入数据保护 · 对抗样本防御

从需求分析到产品原型——设计一个完整…

项目实战从需求分析到产品…

测试与验证

单元测试 · 集成测试 · 硬件在环测试与可靠性评估

部署到不同硬件平台

STM32 · Arduino Nano 33 BL… · Raspberry Pi Pico等…

部署到不同硬件平…STM32

社区与资源

Edge Impulse官方文档 · TFLite Micro源码 · 开源项目与学习社区

课程总结与进阶方向

回顾核心知识 · 推荐进阶课程 · 职业发展建议

课程总结进阶方向