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

12. TinyML平台Benchmark：STM32、ESP32与Arduino性能对比

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概述 · 平台Benchmark的意义 · 学习目标与课程结构
课程导入TinyML
02
硬件平台基础
STM32 · ESP32 · Arduino的芯片架构
硬件平台基础STM32
03
开发环境搭建
STM32CubeIDE · ESP-IDF/Arduino ID… · Arduino IDE的安装配置与项…
开发环境搭建STM32CubeIDE
04
TinyML工作流
模型训练 · 量化 · 转换
TinyML工作流
05
Benchmark方法论
性能指标（推理时间 · 内存占用 · 功耗
Benchmark方法论
06
STM32平台实战
在STM32上部署TinyML模型 · 使用Cube.AI或TFLM · 测量推理时间与内存
STM32平台实战
07
ESP32平台实战
在ESP32上部署TinyML模型 · 使用ESP-DL或TFLM · 测量推理时间与内存
ESP32平台实战
08
Arduino平台实战
在Arduino（如Nano 33… · 使用Arduino_TensorFl… · 测量推理时间与内存
Arduino平台实战
09
性能对比分析
三个平台在相同模型下的推理速度 · 内存占用 · 功耗
性能对比分析三个平台
10
精度与量化影响
不同量化精度（FP32 · INT8）对模型精度和性能的影响 · 以及各平台的支持情况
精度量化影响
11
功耗与能效比
测量各平台在推理时的功耗 · 计算能效比（FPS/W） · 分析适用场景
功耗能效比
12
内存优化技巧
模型裁剪 · 权重共享 · 内存复用
内存优化技巧模型裁剪
13
多模型Benchmark
使用多个经典模型（如KWS · 图像分类 · 异常检测）进行跨平台测试
Benchmark多模型
14
实时性测试
中断延迟 · DMA · 多线程/任务调度对推理实时性的影响
实时性测试断延迟
15
外设集成与数据采集
传感器数据采集 · 预处理 · 特征提取在三个平台上的实现与性能开销
外设集成数据采集
16
通信与部署
BLE · WiFi · 串口等通信方式在模型更新
通信部署
17
案例实战
基于STM32的语音关键词识别（KW…
案例实战STM32
18
案例实战
基于ESP32的摄像头图像分类项目开…
案例实战ESP32
19
案例实战
基于Arduino的加速度计活动识别…
案例实战Arduino
20
常见问题与调试
部署失败 · 内存不足 · 推理错误
常见问题调试
21
工具链对比
Cube.AI · ESP-DL · TFLM
工具链对比Cube.AI
22
代码优化与硬件加速
利用DSP指令 · SIMD · 硬件加速器（如STM32的AI加速器…
代码优化硬件加速
23
模型压缩技术
剪枝 · 蒸馏 · 量化感知训练在三个平台上的应用与效果
模型压缩技术剪枝
24
Benchmark自动化
编写自动化测试脚本 · 批量运行模型并收集性能数据 · 生成报告
Benchmark自动化
25
结果可视化与报告
使用图表展示性能对比 · 撰写Benchmark报告 · 进行决策分析
结果可视化报告
26
平台选型指南
根据项目需求（性能 · 功耗 · 成本
平台选型指南根据项目需求
27
综合项目
设计一个多平台对比实验 · 从数据采集到部署 · 完成完整Benchmark并给出结论
综合项目设计一个多平台对…
28
前沿趋势
TinyML最新发展 · 新平台（如Raspberry Pi… · K210）与Benchmark标准演…
前沿趋势TinyML
29
课程总结
核心知识点回顾 · 常见误区 · 学习路径建议与资源推荐
课程总结核心知识点回顾
30
综合测评
设计一个综合测试 · 涵盖理论 · 实操与分析
综合测评设计一个综合测试