VIP20
本课程属于：020-TinyML端侧测试、Profiling与Benchmark 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

11. TinyML模型版本对比：新旧模型指标自动化评估

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 · TinyML模型版本对比的意义与挑战
课程导入学习目标
02
TinyML基础回顾
模型部署流程 · 常见模型格式（TFLite · ONNX等）
TinyML基础回顾
03
模型评估指标基础
准确率 · 召回率 · F1分数
模型评估指标基础准确率
04
新旧模型对比的核心维度
精度 · 速度 · 模型大小
新旧模型对比的核…精度
05
自动化评估的意义
为什么需要自动化 · 手动评估的痛点 · 自动化评估的适用场景
自动化评估的意义为什么需要自动化
06
评估工具链概览
TensorFlow Lite Be… · MLPerf Tiny · Edge Impulse
评估工具链概览TensorFlow
07
数据集准备与版本管理
训练集/测试集划分 · 数据版本控制（DVC） · 数据漂移检测
数据集准备版本管理
08
模型版本管理方法
Git LFS · MLflow · DVC
模型版本管理方法Git
09
评估脚本设计
Python脚本结构 · 参数化配置 · 结果输出格式（JSON/CSV）
评估脚本设计Python
10
指标计算实现
使用Python计算分类指标 · 回归指标 · 自定义TinyML指标
指标计算实现Python
11
推理性能测量
在MCU/嵌入式设备上测量延迟 · 吞吐量 · 内存峰值的方法
推理性能测量MCU
12
功耗评估方法
使用电流探针 · 能量监测工具（如Joulescope…
功耗评估方法使用电流探针
13
模型大小与压缩率对比
量化 · 剪枝 · 蒸馏后模型大小变化及对精度的影响
模型大小压缩率对比
14
鲁棒性评估
对抗样本 · 噪声干扰 · 输入变化下的新旧模型表现对比
鲁棒性评估对抗样本
15
兼容性评估
不同硬件平台（Cortex-M · ESP32 · RP2040）上的运行结果对比
兼容性评估Cortex-M
16
自动化评估流程设计
从模型注册 · 触发评估 · 生成报告到通知的完整流水线
自动化评估流程设…从模型注册
17
CI/CD集成
在GitHub Actions或Gi…
CI/CD集成
18
评估报告生成
自动生成可视化报告（图表 · 表格） · 历史趋势对比
评估报告生成自动生成可视化报…
19
案例实战1
使用TFLite Model Mak… · 并对比精度与大小
案例实战1TFLite
20
案例实战2
在Arduino/ESP32上部署新… · 测量延迟和功耗并自动生成对比报告
案例实战2Arduino/ESP3…
21
案例实战3
使用MLflow跟踪模型版本和评估指… · 实现一键对比
案例实战3MLflow
22
案例实战4
构建一个简单的Python自动化评估… · 支持多模型多数据集对比
案例实战4Python
23
常见问题1
评估结果不一致（如浮点与量化差异）的…
常见问题1评估结果不一致
24
常见问题2
设备端测量误差（时钟 · 缓存 · 温度）如何控制
常见问题2设备端测量误差
25
常见问题3
数据泄漏导致评估虚高 · 如何正确划分数据集
常见问题3数据泄漏导致评估…
26
常见问题4
自动化流程中如何处理模型版本回滚和异…
常见问题4自动化流程
27
最佳实践
评估指标的选择策略 · 阈值设定 · 回归测试频率
最佳实践评估指标的选择策…
28
综合提升
设计一个完整的TinyML模型版本对… · 涵盖存储 · 评估
综合提升TinyML
29
前沿扩展
联邦学习下的模型评估 · 持续学习中的版本对比 · 自动化机器学习（AutoML）集成
前沿扩展联邦学习下的模型…
30
课程总结
核心要点回顾 · 常见误区 · 学习资源推荐
课程总结核心要点回顾