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

9. TinyML视觉模型量化：精度下降与校准数据选择

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
TinyML视觉模型量化的背景 · 学习目标 · 课程结构与应用价值
课程导入TinyML
02
量化基础
什么是模型量化 · 量化类型（PTQ/QAT） · 定点与浮点表示
量化基础什么是模型量化
03
视觉模型特点
卷积神经网络（CNN）结构 · 激活分布 · 权重分布对量化的影响
视觉模型特点CNN
04
量化精度下降原因
量化误差来源 · 离群值 · 信息丢失
量化精度下降原因量化误差来源
05
校准数据概念
校准数据的作用 · 与训练/验证数据的区别 · 选择原则
校准数据概念校准数据的作用
06
校准数据集构建
数据规模 · 多样性 · 代表性
校准数据集构建数据规模
07
校准数据数量影响
不同样本数量对量化精度的影响实验与经…
校准数据数量影响不同样本数量对量…
08
校准数据选择策略
随机采样 · 困难样本挖掘 · 聚类选择
校准数据选择策略随机采样
09
校准数据与任务匹配
分类 · 检测 · 分割等不同视觉任务对校准数据的要求
校准数据任务匹配
10
量化感知训练（QAT）简介
QAT原理 · 与PTQ的对比 · 何时需要QAT
QAT量化感知训练
11
PTQ流程详解
模型准备 · 校准数据加载 · 校准过程
PTQ流程详解
12
校准方法
MinMax · Percentile · MSE
校准方法MinMax
13
量化参数计算
scale和zero-point的确… · 对称/非对称量化
量化参数计算scale
14
精度评估方法
量化前后模型精度对比 · 混淆矩阵 · mAP等指标
精度评估方法量化前后模型精度…
15
精度下降诊断
定位精度瓶颈层 · 激活分布可视化 · 误差分析工具
精度下降诊断定位精度瓶颈层
16
缓解精度下降技巧
混合精度量化 · 敏感层保护 · 量化范围调整
缓解精度下降技巧混合精度量化
17
校准数据增强
数据增强对校准效果的影响 · 是否使用增强
校准数据增强数据增强对校准效…
18
实战案例1
基于TensorFlow Lite的…
实战案例1TensorFlow
19
实战案例2
基于PyTorch的YOLO目标检测…
实战案例2PyTorch
20
实战案例3
语义分割模型（如DeepLab）量化…
实战案例3DeepLab
21
工具与框架
TensorFlow Lite · PyTorch量化 · ONNX Runtime
工具框架
22
硬件部署考虑
不同MCU/NPU对量化模型的支持 · 算子限制
硬件部署考虑MCU/NPU
23
常见问题1
校准数据过少或过多导致的问题及解决方…
常见问题1校准数据过少或过…
24
常见问题2
量化后精度骤降的排查步骤与修复策略
常见问题2量化后精度骤降的…
25
常见问题3
校准数据与真实数据分布不一致时的处理
常见问题3校准数据
26
进阶主题
量化感知训练中的校准数据使用 · 知识蒸馏与量化结合
进阶主题量化感知训练
27
自动化与工具链
自动校准数据选择 · 自动化量化流程 · CI/CD集成
自动化工具链
28
综合项目
从零构建一个TinyML视觉量化项目 · 包括数据准备 · 量化
综合项目TinyML
29
课程总结
核心要点回顾 · 最佳实践 · 常见误区与学习路径建议
课程总结核心要点回顾
30
综合提升
设计一个针对特定场景的量化方案 · 并分析精度与性能权衡
综合提升设计一个针对特定…