VIP20
本课程属于：018-Edge AI传感器融合与多模态推理 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

14. Edge AI融合模型量化：多输入模型在端侧的资源评估

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 · 多输入模型在端侧部署的挑战与量化必要…
课程导入学习目标
02
Edge AI基础
边缘计算与端侧推理的架构 · 典型硬件平台（CPU/GPU/NPU…
EdgeAI
03
模型量化基础
量化原理（定点与浮点） · 量化类型（PTQ/QAT） · 量化粒度（per-tensor/pe…
模型量化基础量化原理
04
多输入模型特性
多输入模型的定义 · 常见结构（多模态 · 多分支
多输入模型特性多输入模型的定义
05
量化对多输入模型的影响
不同输入分支对量化敏感度的差异 · 量化误差累积与融合层的影响
量化对多输入模型…不同输入分支对量…
06
端侧资源评估指标
内存占用 · 计算量（MACs/FLOPs） · 延迟
端侧资源评估指标内存占用
07
量化工具链概览
主流框架（TensorFlow Li… · PyTorch Mobile · ONNX Runtime
量化工具链概览TensorFlow
08
PTQ实战
使用代表性数据集对多输入模型进行后训… · 校准方法（MinMax · Percentile
PTQ使用代表性数据集…
09
QAT实战
在训练中模拟量化 · 针对多输入模型的分支敏感度设计量化感…
QAT训练
10
混合精度量化
为多输入模型的不同分支分配不同量化位…
混合精度量化为多输入模型的不…
11
资源评估工具使用
使用Profiler（如Tensor… · TFLite Benchmark T…
资源评估工具使用Profiler
12
案例实战
多模态模型（图像+文本）的量化与端侧…
案例实战多模态模型
13
案例实战
多分支CNN（如双流网络）的量化与在…
案例实战CNN
14
案例实战
多输入Transformer（如视觉…
案例实战Transformer
15
量化后精度验证
多输入模型量化后的精度评估方法 · 指标选择（Top-1/Top-5 · mAP
量化后精度验证多输入模型量化后…
16
端侧推理引擎适配
将量化后的多输入模型部署到TFLit…
端侧推理引擎适配TFLit
17
内存优化技巧
多输入模型在端侧的内存复用 · 张量布局优化 · 内存池设计
内存优化技巧多输入模型
18
计算优化技巧
算子融合（如Conv+BN） · 通道剪枝与量化结合 · 多输入分支并行调度
计算优化技巧Conv+BN
19
功耗与热管理
多输入模型量化后对功耗的影响 · 动态电压频率调整（DVFS）与低功耗…
功耗热管理
20
常见问题与调试
量化后精度骤降 · 推理崩溃 · 资源评估不准确等问题的排查与解决
常见问题调试
21
量化与剪枝、蒸馏的融合
多输入模型在端侧的资源压缩组合策略
量化剪枝
22
硬件适配与算子支持
不同端侧硬件（高通Hexagon · ARM Ethos · Apple Neural Engin…
硬件适配算子支持
23
自动化资源评估流程
构建脚本化评估管道 · 自动生成多输入模型量化前后的资源报告
自动化资源评估流…构建脚本化评估管…
24
端侧实时性优化
多输入模型量化后如何满足实时推理要求 · 帧率与延迟的平衡
端侧实时性优化多输入模型量化后…
25
多输入模型量化标准与规范
行业实践 · 模型压缩基准（MLPerf Tiny…
多输入模型量化标…规范
26
安全与隐私
量化对模型安全性的影响 · 端侧部署中的隐私保护与加密推理
安全隐私
27
综合实战项目
从零开始量化一个多输入模型（如动作识… · 完成资源评估与优化 · 并输出对比报告
综合实战项目从零开始量化一个…
28
课程总结
核心知识点回顾 · 常见误区 · 量化与资源评估的最佳实践清单
课程总结核心知识点回顾
29
进阶学习路径
推荐书籍 · · 开源项目
进阶学习路径推荐书籍
30
结业考核
设计一个多输入模型量化与资源评估的完… · 包括工具选择 · 步骤
结业考核设计一个多输入模…