VIP20
本课程属于：015-TinyML图像分类与轻量视觉检测 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. TinyML图像分类部署：TFLite模型到MCU推理输出

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
明确学习目标 · 课程适用人群 · 整体学习路径与最终实战成果预览
课程导入明确学习目标
02
TinyML与图像分类基础
理解TinyML的定义 · 图像分类任务本质 · 边缘部署的挑战与优势
TinyML图像分类基础
03
TFLite模型基础
掌握TensorFlow Lite模… · 量化类型（FP32/FP16/INT…
TFLite模型基础
04
模型转换与优化
学习如何将Keras或PyTorch… · 并应用量化 · 剪枝等优化技术
模型转换优化
05
MCU硬件选型与开发环境
了解常见MCU（如STM32 · ESP32 · Arduino Nano 33 BL…
MCU硬件选型
06
TFLite Micro框架解析
深入TFLite Micro的架构 · 解释器 · 算子支持与内存管理机制
TFLiteMicro
07
模型部署流程总览
从训练好的模型到MCU推理输出的完整… · 量化 · 集成
模型部署流程总览MCU
08
数据集准备与预处理
针对MCU的图像尺寸调整 · 归一化 · 数据增强策略及C数组生成方法
数据集准备预处理
09
模型训练与量化感知训练
训练适合边缘部署的小型模型（如Mob… · 自定义CNN） · 并介绍量化感知训练
模型训练量化感知训练
10
TFLite模型转换实战
使用Python API将模型转换为… · 并验证转换前后精度差异
TFLite模型转换实战
11
INT8量化详解
理解动态范围量化 · 全整数量化的原理 · 校准数据集的作用及量化误差控制
INT8量化详解
12
模型评估与调试
在PC上使用TFLite解释器评估量… · 分析混淆矩阵与错误案例
模型评估调试
13
TFLite Micro工程搭建
创建MCU项目 · 配置依赖库（如CMSIS-NN） · 链接TFLite Micro源码
TFLiteMicro
14
模型嵌入MCU
将TFLite模型转换为C字节数组 · 并正确放置在Flash或外部存储中
MCU模型嵌入
15
输入图像获取与预处理
在MCU上通过摄像头或传感器获取图像 · 实现裁剪 · 缩放
输入图像获取预处理
16
推理代码编写
初始化解释器 · 分配张量 · 设置输入
推理代码编写初始化解释器
17
输出后处理与分类结果展示
解析输出概率向量 · 获取Top-K类别 · 通过串口
输出后处理分类结果展示
18
性能优化
利用CMSIS-NN · DSP指令 · 内存池复用
性能优化CMSIS-NN
19
内存管理技巧
分析TFLite Micro的are… · 张量生命周期管理及避免内存碎片
内存管理技巧TFLite
20
常见错误与调试方法
解决模型加载失败 · 算子不支持 · 内存不足
常见错误调试方法
21
案例实战
基于Arduino Nano 33…
案例实战Arduino
22
案例实战
基于ESP32-CAM实现简单物体分…
案例实战ESP32-CAM
23
案例实战
基于STM32F746G-Disco… · 使用摄像头采集并显示结果
案例实战STM32F746G-D…
24
模型更新与OTA
探讨在MCU上实现模型热更新的方法（… · 无线更新）
OTA模型更新
25
功耗与实时性权衡
分析不同量化级别 · 模型大小 · 帧率对功耗和延迟的影响
功耗实时性权衡
26
多类分类与迁移学习
在MCU上部署多类分类模型 · 利用迁移学习快速适配新类别
多类分类迁移学习
27
边缘端与云端协同
介绍将MCU推理结果上传云端进行二次…
边缘端云端协同
28
安全性与可靠性
讨论模型加密 · 输入验证 · 异常处理及在恶劣环境下的稳定性设计
安全性可靠性
29
综合项目
设计一个完整的TinyML图像分类系… · 从数据采集到MCU部署并完成演示
综合项目TinyML
30
课程总结与进阶方向
回顾核心知识点 · 推荐学习资源 · 展望TinyML与边缘AI的未来趋势
课程总结进阶方向