VIP20

本课程属于：027-Edge AI模型压缩：剪枝、蒸馏与稀疏化 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时序模型压缩：传感器分类模型参数压缩

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

学习目标 · 核心概念 · 整体框架

课程导入学习目标

传感器时序数据基础

常见传感器类型 · 数据特性 · 采样率

传感器时序数据基…常见传感器类型

时序分类模型基础

常用模型（CNN · RNN · LSTM

时序分类模型基础CNN

模型压缩概述

参数压缩 · 知识蒸馏 · 量化

模型压缩概述参数压缩

模型量化基础

定点与浮点表示 · 量化误差来源 · 对称/非对称量化

模型量化基础定点

模型剪枝技术

结构化与非结构化剪枝 · 通道剪枝 · 迭代剪枝

模型剪枝技术结构化

知识蒸馏原理

教师-学生架构 · 软标签 · 温度参数

知识蒸馏原理教师

低秩分解与张量分解

SVD · CP分解 · Tucker分解在压缩时序模型中的实…

低秩分解张量分解

轻量化网络设计

深度可分离卷积 · 瓶颈结构 · 高效注意力机制在时序模型中的适配

轻量化网络设计深度可分离卷积

Edge AI硬件约束

MCU · DSP · NPU

压缩工具与框架

TensorFlow Lite · PyTorch Mobile · ONNX Runtime

压缩工具框架

时序模型压缩实战准备

数据集选择（如HAR · EEG · ECG）

时序模型压缩实战…HAR

基于CNN的传感器分类模型量化压缩（…

案例实战CNN

基于LSTM的时序模型剪枝与稀疏化 · 在保持精度下的参数缩减

案例实战LSTM

知识蒸馏压缩TCN模型 · 实现边缘设备上的实时推理

案例实战TCN

低秩分解压缩Transformer时… · 减少参数量与推理延迟

案例实战Transformer

压缩模型评估指标

参数量 · 计算量（FLOPs） · 模型大小

压缩模型评估指标参数量

压缩与精度权衡

如何设定压缩目标 · 迭代优化 · 避免过压缩导致性能骤降

压缩精度权衡

边缘部署与推理优化

模型转换 · 内存布局 · 算子融合

边缘部署推理优化

常见问题与调试

量化掉点 · 剪枝后不收敛 · 蒸馏温度调节

常见问题调试

自动化压缩与神经架构搜索

AutoML · NAS在时序模型压缩中的应用

自动化压缩神经架构搜索

联邦学习与模型压缩

在分布式传感器网络中压缩模型的协同训…

联邦学习模型压缩

时序模型压缩前沿

混合精度量化 · 动态剪枝 · 在线蒸馏

时序模型压缩前沿混合精度量化

综合实战项目

从零构建一个传感器分类模型 · 完成压缩 · 部署到边缘设备的全流程

综合实战项目从零构建一个传感…

性能调优与最佳实践

针对不同传感器场景的压缩策略选择 · 超参数调优

性能调优最佳实践

核心知识点回顾 · 常见误区 · 学习路径建议

课程总结核心知识点回顾

推荐 · 开源项目 · 竞赛（如Edge Impulse

拓展学习推荐

给定传感器数据集 · 完成模型压缩并提交压缩前后对比报告

实战作业给定传感器数据集

考试与评估

理论题 · 实操题 · 项目答辩

课程反馈与改进

收集学员问题 · 优化课程内容 · 后续进阶方向

课程反馈改进