首页
›
嵌入式边缘AI与TinyML
›
026-ONNX模型转换与边缘推理兼容性
›
《ONNX多输入模型转换:传感器融合和多模态模型处理》
VIP20
本课程属于:026-ONNX模型转换与边缘推理兼容性
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
📘
18. ONNX多输入模型转换:传感器融合和多模态模型处理
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
多输入模型的定义 · 传感器融合与多模态模型的应用场景 · 课程学习目标与整体框架
课程导入
多输入模型的定义
02
ONNX基础回顾
ONNX格式 · 计算图 · 节点与张量
ONNX
基础回顾
03
多输入模型的概念
什么是多输入模型 · 与单输入模型的区别 · 常见多输入类型(图像+文本
多输入模型的概念
什么是多输入模型
04
传感器融合基础
传感器类型(摄像头 · 激光雷达 · 雷达
传感器融合基础
传感器类型
05
多模态模型基础
多模态表示 · 模态编码器 · 融合策略(早期融合
多模态模型基础
多模态表示
06
ONNX多输入模型的结构
输入张量的命名 · 形状 · 数据类型
ONNX
多输入模型的结构
07
PyTorch多输入模型导出ONNX
使用torch.onnx.expor… · 指定输入名称 · 动态轴设置
PyTorch
ONNX
08
TensorFlow/Keras多输入模型导出ONNX
使用tf2onnx转换多输入模型 · 处理Keras函数式API · 输入签名定义
TensorFlow/K…
ONNX
09
多输入模型的预处理与后处理
不同模态数据的归一化 · 尺寸调整 · 编码方式
多输入模型的预处…
后处理
10
ONNX Runtime多输入推理
使用Python API加载多输入模… · 准备输入字典 · 执行推理
ONNX
Runtime
11
多输入模型的动态形状处理
动态batch · 动态分辨率 · 动态序列长度
多输入模型的动态…
batch
12
多输入模型转换中的常见错误
输入顺序不匹配 · 形状不匹配 · 数据类型错误
多输入模型转换
常见错误
13
传感器融合实战案例
摄像头+激光雷达目标检测模型转换ON… · 处理点云与图像双输入
传感器融合实战案…
ON
14
多模态实战案例
文本+图像分类模型(如CLIP风格)… · 处理与像素双输入
多模态实战案例
CLIP
15
多输入模型优化
ONNX图优化 · 算子融合 · 量化(动态/静态)
多输入模型优化
ONNX
16
多输入模型部署
ONNX Runtime · TensorRT · OpenVINO等推理引擎的多输入支…
多输入模型部署
ONNX
17
多输入模型的可视化与调试
使用Netron查看多输入图 · 检查输入输出 · 调试中间张量
多输入模型的可视…
调试
18
多输入模型与自定义算子
处理不支持的算子 · 自定义算子实现 · 注册与转换
多输入模型
自定义算子
19
多输入模型的分支与条件执行
ONNX中的If · Loop · 分支结构在多输入模型中的应用
多输入模型的分支
条件执行
20
多输入模型的批处理与异步推理
多输入batch处理 · 异步推理模式 · 性能优化技巧
多输入模型的批处…
异步推理
21
多输入模型在边缘设备上的部署
资源限制 · 内存优化 · 模型压缩
多输入模型
边缘设备上的部署
22
多输入模型与模型融合
将多个单输入模型合并为多输入模型 · 共享特征提取器 · ONNX图编辑
多输入模型
模型融合
23
多输入模型转换的自动化脚本
编写通用转换工具 · 批量处理多输入模型 · 错误日志与报告
多输入模型转换的…
编写通用转换工具
24
多输入模型与量化感知训练
QAT流程 · 多输入量化 · 校准数据集准备
多输入模型
量化感知训练
25
多输入模型与剪枝
结构化剪枝 · 通道剪枝 · 多输入模型剪枝策略
多输入模型
剪枝
26
多输入模型与知识蒸馏
教师-学生模型 · 多输入蒸馏 · ONNX转换与部署
多输入模型
知识蒸馏
27
多输入模型的安全性与鲁棒性
对抗样本 · 输入扰动 · 多模态一致性
多输入模型的安全…
鲁棒性
28
多输入模型转换的版本兼容性
不同框架版本 · ONNX opset版本 · 算子兼容性处理
多输入模型转换的…
不同框架版本
29
综合实战项目
从零构建一个多传感器融合模型(如自动… · 完成训练 · 转换ONNX
综合实战项目
从零构建一个多传…
30
课程总结与进阶方向
多输入模型转换的最佳实践 · 常见问题回顾 · 未来趋势(Transformer多模…
课程总结
进阶方向
所属VIP或分类
同VIP:ONNX-Runtime验证:导出后推理结果和训练框架对齐
同VIP:ONNX不兼容算子改造与引擎部署验证
同VIP:ONNX到OpenVINO:IR转换与精度验证流程