4、模型训练与基线评估：在Edge Impulse中训练浮点模型（FP32），评估准确率、混淆矩阵、损失曲线，建立性能基线
在嵌入式机器学习（TinyML）工作流中，模型训练阶段的核心目标并非直接追求极致精度，而是建立一个可信、可复现的浮点（FP32）性能基线。这个基线是后续所有优化的参照系——无论是模型量化（Int8）、剪枝、知识蒸馏，还是硬件加速器部署，都需要以FP32模型的准确率、混淆矩阵和损失曲线作为“锚点”。如果基线本身不稳定或评估方法有误，后续的量化误差分析、精度回退判断都将失去意义。本章将系统讲解在Edge Impulse平台上完成FP32模型训练与基线评估的完整流程，包括核心原理、操作步骤、案例拆解与常见误区。
上图展示了FP32基线评估在整个模型生命周期中的核心位置，以及它与后续Int8量化工作的对比关系。在Edge Impulse中，这一阶段通常位于“Model Training”和“Model Testing”两个页面中完成。下面我们将从原理、操作、案例和误区四个维度深入展开。
4.1 核心原理：为什么FP32基线是量化部署的“法律基准”
浮点模型（FP32）在训练过程中使用32位单精度浮点数表示权重和激活值，其动态范围约为1.18×10⁻³⁸至3.4×10³⁸，能够精确表达梯度更新中的微小变化。在Edge Impulse中，默认的训练后端（如Keras或PyTorch）在GPU或云端CPU上执行FP32计算，此时模型拥有最大的表征能力。建立基线评估的本质，是回答三个关键问题：
- 模型上限在哪里？ 在给定数据集和网络结构下，FP32模型能达到的最高准确率是多少？这决定了后续量化是否值得继续——如果FP32基线准确率本身低于80%，那么量化后的模型可能无法满足应用需求，应优先优化数据或网络结构。
- 错误分布如何？ 混淆矩阵揭示了模型在哪些类别上容易混淆。例如，在关键词唤醒（KWS）任务中，“是”和“不是”可能因为发音相近而产生系统性误判。这种错误模式在量化后可能被放大，因此基线混淆矩阵是量化误差分析的起点。
- 训练是否收敛？ 损失曲线（训练损失与验证损失）的走势反映了模型是否过拟合、欠拟合或学习率设置不当。一个未收敛的模型（验证损失仍在下降）不适合作为基线，因为后续量化对比会混淆“量化误差”与“训练不充分”两个因素。
在Edge Impulse中，FP32基线还承担着另一个重要角色：模型性能预算的制定者。通过“Model Testing”页面，你可以获得模型在测试集上的推理时间（在特定MCU上模拟）和RAM/Flash占用。这些数据将成为Int8量化后对比的“性能锚点”。例如，如果FP32模型在Cortex-M4上推理需要120ms，而你的应用要求实时性在50ms以内，那么量化后至少需要2.4倍的加速才能达标。
4.2 操作流程：在Edge Impulse中完成FP32训练与评估
Edge Impulse平台将训练与评估流程封装为可视化界面，但理解底层逻辑仍然必要。以下是标准操作流程，分为四个步骤：
步骤1：数据划分与预处理确认
在“Data acquisition”页面，确保数据集已经按比例划分为训练集（Training）、验证集（Validation）和测试集（Testing）。Edge Impulse默认使用80%训练、10%验证、10%测试的划分，但你可以通过“Dataset”选项卡手动调整。关键检查点包括：
- 每个类别的样本数量是否均衡？如果类别A有1000个样本，类别B只有100个，模型会偏向A，导致混淆矩阵中B的召回率极低。
- 是否启用了数据增强（Data Augmentation）？对于图像或音频任务，Edge Impulse支持在训练时动态增强（如随机裁剪、噪声注入），这有助于提升泛化能力，但也会影响基线数值——增强后的模型准确率通常略低于未增强的，但实际部署表现更好。
步骤2：配置神经网络架构与训练参数
在“Model training”页面，选择适合任务的神经网络模块。Edge Impulse提供了多种预置架构：
| 任务类型 | 推荐模块 | 默认架构 | 适用场景 |
|---|---|---|---|
| 图像分类 | Image Classification | MobileNetV2 / ResNet | 视觉检测、缺陷识别 |
| 音频分类 | Audio Classification | DNN + MFCC特征 | 关键词唤醒、声音事件检测 |
| 运动传感器 | Motion Classification | 1D-CNN / LSTM | 姿态识别、活动监测 |
| 异常检测 | Anomaly Detection | Autoencoder | 设备故障预测 |
训练参数设置中，学习率（Learning Rate）是最敏感的超参数。Edge Impulse默认使用Adam优化器，初始学习率通常为0.001。如果损失曲线出现剧烈震荡，可降低至0.0005；如果收敛过慢，可适当提高至0.002。训练轮次（Epochs）建议设置在30-50之间，并开启“Early Stopping”功能（当验证损失连续5轮不下降时自动停止），避免过拟合。
步骤3：训练与实时监控
点击“Start training”后，Edge Impulse会在云端启动训练任务。在训练过程中，你可以实时查看损失曲线和准确率曲线。重点关注以下信号：
- 训练损失持续下降，验证损失先降后升：出现过拟合，应增加正则化（Dropout）或减少训练轮次。
- 训练损失和验证损失均不下降：学习率可能过低，或网络结构不适合当前数据。
- 验证准确率在某个值附近波动：可能陷入了局部最优，尝试调整批次大小（Batch Size）或使用不同的随机种子。
步骤4：模型测试与基线报告生成
训练完成后，切换到“Model testing”页面。点击“Test model”按钮，Edge Impulse会在独立的测试集上评估模型，并生成完整的评估报告。该报告包含：
- 总体准确率（Accuracy）：所有测试样本中正确分类的比例。
- 混淆矩阵（Confusion Matrix）：每个类别的真正例、假正例、假负例的详细分布。
- 损失值（Loss）：在测试集上的交叉熵损失。
- 性能指标（Performance）：在指定MCU（如Cortex-M4 @ 80MHz）上的推理时间、RAM/Flash占用估算。
此时，你应该将这份报告导出为PDF或JSON文件，作为基线存档。建议在项目目录中创建“baseline_fp32”文件夹，保存模型版本、训练配置和评估报告，以便后续量化对比时引用。
4.3 案例拆解：工业电机振动异常检测的FP32基线建立
为了更具体地说明基线评估的完整过程，我们以一个工业场景为例：基于加速度计数据的电机轴承故障分类。该任务需要区分四种状态：正常（Normal）、内圈故障（Inner Race）、外圈故障（Outer Race）、滚动体故障（Ball）。
背景与约束
工厂部署了振动传感器，以2kHz采样率采集加速度数据，每个样本长度为2秒（4000个采样点）。Edge Impulse项目中共有800个样本，每类200个。目标是在Cortex-M4F微控制器上实现实时监测，要求推理时间小于50ms，模型Flash占用小于200KB。初始数据划分：训练集640个样本，验证集80个，测试集80个。
初始现象与目标
首次训练使用Edge Impulse默认的“Motion Classification”模块，采用1D-CNN架构（3层卷积+2层全连接），学习率0.001，批次大小32，训练50轮。训练完成后，测试集准确率为91.25%。但查看混淆矩阵后发现：
- 正常（Normal）类别召回率高达98%，表现良好。
- 内圈故障（Inner Race）与滚动体故障（Ball）之间存在15%的混淆，即部分滚动体故障样本被误判为内圈故障。
- 外圈故障（Outer Race）召回率仅为85%，有12%被误判为正常。
这个基线虽然总体准确率尚可，但故障类别的召回率不均衡，在工业场景中，漏报（将故障判为正常）的代价远高于误报。因此，直接以这个模型作为量化基线是不合适的。
分析与调整过程
我们进行了以下三步优化：
- 特征工程调整：在Edge Impulse的“Spectral features”中，增加了频域特征（如峰值频率、频谱质心），因为轴承故障在频谱上具有明显的特征频率。重新训练后，总体准确率提升至93.75%，滚动体故障召回率提升至90%。
- 类别权重设置：在训练参数中，将“Class weights”设置为自动计算，使少数类（滚动体故障）获得更高的损失权重。这进一步将滚动体故障召回率提升至94%。
- 早停与正则化：开启Early Stopping（patience=5），并添加Dropout层（rate=0.3），防止过拟合。最终验证损失从0.24降至0.19。
结果对比与基线确定
经过三轮迭代，最终FP32基线模型（模型ID：Model 27）的测试结果如下：
| 指标 | 初始模型 | 优化后基线 | 变化 |
|---|---|---|---|
| 总体准确率 | 91.25% | 94.75% | +3.5% |
| 正常召回率 | 98% | 99% | +1% |
| 内圈故障召回率 | 92% | 95% | +3% |
| 外圈故障召回率 | 85% | 93% | +8% |
| 滚动体故障召回率 | 88% | 94% | +6% |
| 推理时间（Cortex-M4） | 38ms | 41ms | +3ms（特征增加） |
| Flash占用 | 180KB | 195KB | +15KB |
虽然推理时间和Flash占用略有增加，但仍在约束范围内（<50ms，<200KB）。因此，我们将Model 27作为FP32基线，并导出其混淆矩阵和损失曲线存档。后续Int8量化将以此模型为输入，对比量化后的精度损失是否在可接受范围（<2%准确率下降）。
4.4 常见误区与总结复盘
在FP32基线评估中，工程师常犯以下错误，导致后续量化工作出现偏差：
- 误区一：只关注总体准确率，忽略混淆矩阵。总体准确率可能掩盖了某一类别的严重缺陷。例如，在类别不平衡的数据集中，模型可能将所有样本预测为多数类，准确率仍然很高。必须逐类检查召回率和精确率。
- 误区二：训练轮次过多导致过拟合，却误以为是模型能力上限。如果验证损失在后期明显上升，而训练损失继续下降，说明模型过拟合。此时应减少轮次或增加正则化，而不是直接采用该模型作为基线。
- 误区三：忽略数据划分的随机性。Edge Impulse默认的随机划分可能导致不同训练轮次的结果差异较大。建议固定随机种子（在“Training settings”中设置），或进行多次实验取平均。
- 误区四：没有记录完整的训练配置。当后续量化时发现精度下降，需要回溯FP32基线的训练参数。如果只记录了准确率而没有记录学习率、批次大小、数据增强策略，将无法复现基线。
总结复盘： 建立FP32基线不是一次性的动作，而是一个迭代收敛的过程。在Edge Impulse中，建议遵循以下清单完成基线评估：
- 确认数据划分合理，类别均衡或已设置权重。
- 选择适合任务的网络架构，并记录所有超参数。
- 训练过程中监控损失曲线，确保收敛且无过拟合。
- 在独立测试集上评估，导出混淆矩阵和性能指标。
- 检查每类召回率是否满足业务需求，不满足则调整特征或网络。
- 将模型ID、训练配置、评估报告存档为基线版本。