首页
›
嵌入式边缘AI与TinyML
›
011-TensorFlow Lite模型量化与端侧压缩
›
《TFLite视觉模型量化:图像分类与检测模型的精度保护》
VIP20
本课程属于:011-TensorFlow Lite模型量化与端侧压缩
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. TFLite视觉模型量化:图像分类与检测模型的精度保护
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 · 课程结构 · 量化在移动端视觉应用中的重要性
课程导入
学习目标
02
量化基础
什么是模型量化 · 为什么需要量化 · 量化的类型(PTQ
量化基础
什么是模型量化
03
TFLite与量化
TFLite框架简介 · 量化支持现状 · 量化模型在移动端/嵌入式设备的优势
TFLite
量化
04
图像分类模型量化
以MobileNetV2为例 · 演示如何将Keras模型转换为TFL…
图像分类模型量化
MobileNetV2
05
目标检测模型量化
以SSD-MobileNet为例 · 演示检测模型的量化转换流程及注意事项
目标检测模型量化
SSD-MobileNe…
06
量化原理深入
对称量化与非对称量化 · 量化参数(scale · zero-point)的计算方法
量化原理深入
对称量化
07
量化精度损失原因
权重和激活值分布 · 量化误差来源 · 敏感层分析
量化精度损失原因
权重
08
精度评估方法
量化前后模型在ImageNet/CO… · 评估指标(Top-1 · mAP)
精度评估方法
ImageNet/CO
09
代表性数据集校准
校准数据集的选择 · 大小 · 预处理方式对量化精度的影响
代表性数据集校准
校准数据集的选择
10
PTQ实战
使用TFLite Converter… · 全整型 · float16)的完整代码流程
PTQ
TFLite
11
QAT实战
使用TensorFlow Model… · 微调模型以恢复精度
QAT
TensorFlow
12
混合量化
部分层保持浮点 · 部分层量化的策略 · 如何指定量化层
混合量化
部分层保持浮点
13
量化模型部署
在Android/iOS/Raspb… · 推理速度与内存占用对比
量化模型部署
Android/iOS/…
14
图像分类精度保护案例
CIFAR-10/ImageNet分…
图像分类精度保护…
CIFAR-10/Ima…
15
目标检测精度保护案例
Pascal VOC/COCO检测模…
目标检测精度保护…
Pascal
16
量化模型的可视化分析
使用Netron查看量化模型结构 · 检查量化参数
量化模型的可视化…
Netron
17
量化与模型压缩对比
剪枝 · 蒸馏与量化的结合使用 · 如何协同提升性能
量化
模型压缩对比
18
硬件加速与量化
TFLite Delegates(G… · NNAPI · Hexagon)对量化模型的支持与优…
硬件加速
量化
19
常见问题1
量化后模型输出NaN或Inf · 原因分析与解决方案
常见问题1
NaN
20
常见问题2
量化后精度大幅下降 · 如何定位敏感层并采取针对性措施
常见问题2
量化后精度大幅下…
21
常见问题3
校准数据集与真实数据分布不匹配 · 如何改进校准策略
常见问题3
校准数据集
22
常见问题4
量化模型在特定设备上运行错误 · 如何调试与兼容性处理
常见问题4
量化模型
23
工具链与生态
TensorFlow Model O… · TFLite Benchmark T… · XNNPACK等
工具链
生态
24
自动化精度保护流程
构建量化前后自动评估 · 回归测试的CI/CD流水线
自动化精度保护流…
构建量化前后自动…
25
量化模型在边缘设备上的性能调优
延迟 · 吞吐量 · 功耗的平衡
量化模型
边缘设备上的性能…
26
最新研究进展
· LSQ等先进量化方法在视觉模型上的应…
最新研究进展
27
综合实战项目
从预训练模型出发 · 完成量化 · 精度评估
综合实战项目
从预训练模型出发
28
课程总结
核心要点回顾 · 量化最佳实践清单 · 常见误区
课程总结
核心要点回顾
29
拓展学习
推荐资源 · · 开源项目
拓展学习
推荐资源
30
结课测试
综合练习题 · 涵盖量化原理 · 流程
结课测试
综合练习题
所属VIP或分类
同VIP:TensorFlow-Lite量化交付:PTQ、QAT、INT8与Ca
同VIP:TFLite-Float16量化:边缘GPU和移动端部署选择
同VIP:TFLite-Float转Int8量化与部署精度验证