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

2. Edge AI结构化剪枝：通道裁剪和卷积网络加速

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

Edge AI与模型压缩背景 · 结构化剪枝的定义与价值 · 课程学习路径与目标

课程导入Edge

通道裁剪 · 结构化剪枝与非结构化剪枝的区别 · 稀疏性与加速原理

基础概念通道裁剪

卷积网络基础

卷积层 · 通道维度 · 特征图尺寸

卷积网络基础卷积层

剪枝粒度分类

细粒度 · 向量级 · 核级

剪枝粒度分类细粒度

通道剪枝的核心思想

如何选择重要通道 · 重要性评估指标（L1/L2范数 · BN缩放因子等）

通道剪枝的核心思…如何选择重要通道

经典方法一

基于权重范数的通道剪枝（如Pruni…

经典方法一Pruni

经典方法二

基于BN缩放因子的稀疏化剪枝（Lea…

经典方法二BN

经典方法三

基于通道重建误差的剪枝（如ThiNe…

经典方法三ThiNe

经典方法四

基于几何中位数（Geometric…

经典方法四Geometric

结构化剪枝的完整流程

训练-剪枝-微调（fine-tuni…

结构化剪枝的完整…fine-tuni

剪枝率与加速比

如何设定通道保留比例 · 计算理论加速比与实际加速比

剪枝率加速比

剪枝后的模型微调

学习率策略 · 正则化 · 蒸馏辅助恢复精度

剪枝后的模型微调学习率策略

通道剪枝与模型重训练

从头训练与剪枝后微调的权衡

通道剪枝模型重训练

硬件加速适配

CPU · GPU · NPU对通道剪枝的友好性

硬件加速适配CPU

实战工具与框架

PyTorch · TensorFlow · PaddleSlim

实战工具框架

实战案例一

基于PyTorch对ResNet进行…

实战案例一PyTorch

实战案例二

基于PaddleSlim对Mobil…

实战案例二PaddleSlim

实战案例三

使用TensorRT对剪枝后的模型进…

实战案例三TensorRT

剪枝与量化结合

结构化剪枝+量化+知识蒸馏的协同优化…

剪枝量化结合

剪枝与NAS结合

自动搜索通道配置 · 可微分剪枝（Differentiab…

常见问题一

剪枝后精度下降严重的原因分析与调试方…

常见问题一剪枝后精度下降严…

常见问题二

如何选择剪枝层与剪枝比例 · 全局剪枝与局部剪枝的权衡

常见问题二如何选择剪枝层

常见问题三

剪枝对模型鲁棒性 · 泛化能力的影响及缓解措施

常见问题三剪枝对模型鲁棒性

剪枝后模型在精度 · FLOPs · 参数量

评估指标剪枝后模型

Edge AI部署实践

从PyTorch模型到ONNX · TensorRT · TFLite的转换与部署流程

YOLOv5在Jetson Nano…

案例研究YOLOv5

语义分割模型（如DeepLabV3）…

案例研究DeepLabV3

结构化剪枝的最新研究（如MetaPr… · AMC · HRank）与趋势

前沿进展MetaPr

设计一个完整的Edge AI通道剪枝… · 从模型选择 · 剪枝

综合项目Edge

课程总结与进阶路径

知识体系回顾 · 常见误区 · 推荐与开源项目

课程总结进阶路径