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

11. Edge AI模型架构搜索：TinyNAS和硬件感知搜索思路

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
Edge AI与模型架构搜索的背景 · 课程目标 · 学习路径与整体框架
课程导入Edge
02
边缘计算基础
边缘设备类型 · 算力与内存限制 · 典型Edge AI应用场景
边缘计算基础边缘设备类型
03
模型压缩与加速概览
剪枝 · 量化 · 蒸馏
模型压缩加速概览
04
神经架构搜索（NAS）入门
NAS的定义 · 搜索空间 · 搜索策略与评估策略
NAS神经架构搜索
05
经典NAS方法回顾
从NAS-RL · ENAS到DARTS · ProxylessNAS的核心思想与…
NAS经典
06
硬件感知NAS（HW-NAS）动机
为什么需要硬件感知 · 硬件指标（延迟 · 能耗
NASHW-NAS
07
硬件感知搜索空间设计
如何定义适合边缘设备的算子集合 · 通道数 · 分辨率
硬件感知搜索空间…如何定义适合边缘…
08
TinyNAS核心思想
TinyNAS的设计哲学 · 针对微控制器（MCU）和移动端的优化…
TinyNAS核心思想
09
TinyNAS搜索空间与超网络
TinyNAS如何构建超网络 · 如何采样子网络
TinyNAS搜索空间
10
TinyNAS的搜索策略
进化算法 · 强化学习或梯度方法在TinyNAS中…
TinyNAS的搜索策略
11
TinyNAS的评估与加速
权重共享 · one-shot训练 · 代理指标（如FLOPs
TinyNAS的评估
12
硬件延迟预测模型
如何建立查找表 · 回归模型或基于学习的延迟估计器
硬件延迟预测模型如何建立查找表
13
硬件感知约束处理
如何将延迟 · 能耗 · 内存占用等约束融入NAS优化目标
硬件感知约束处理如何将延迟
14
多目标优化
在精度 · 延迟 · 模型大小之间权衡
多目标优化精度
15
TinyNAS与MCU部署
面向ARM Cortex-M · RISC-V等微控制器的特殊考虑
TinyNASMCU
16
TinyNAS与移动端GPU/NPU
针对手机SoC · NPU的算子适配与硬件特性
TinyNASGPU/NPU
17
TinyNAS与其他NAS对比
TinyNAS vs Proxyle… · Once-for-All · FBNet等
TinyNASNAS
18
实战准备
环境搭建 · 工具库介绍（如NNI · AutoML
实战准备环境搭建
19
实战案例1
使用TinyNAS在CIFAR-10…
实战案例1TinyNAS
20
实战案例2
针对ImageNet子集搜索硬件感知… · 并测量真实延迟
实战案例2ImageNet
21
实战案例3
在树莓派或Jetson Nano上部… · 进行端侧推理优化
实战案例3Jetson
22
常见问题1
搜索空间过大导致搜索效率低 · 如何设计分层或渐进式搜索
常见问题1搜索空间过大导致…
23
常见问题2
延迟预测不准确 · 如何校准硬件模型或使用在线测量
常见问题2延迟预测不准确
24
常见问题3
超网络训练不稳定 · 如何平衡子网络精度与公平性
常见问题3超网络训练不稳定
25
常见问题4
搜索到的模型过拟合特定硬件 · 如何提升泛化能力
常见问题4搜索到的模型过拟…
26
高级主题
联合搜索模型架构与量化策略（QNAS… · 混合精度量化感知搜索
高级主题QNAS
27
高级主题
知识蒸馏与NAS结合 · 提升小模型精度
高级主题NAS
28
高级主题
自动化部署流水线 · 从搜索到编译再到端侧推理的完整工具链
高级主题自动化部署流水线
29
综合提升
设计一个完整的Edge AI模型搜索… · 包括需求分析 · 搜索
综合提升Edge
30
课程总结与展望
TinyNAS与硬件感知搜索的未来趋… · 挑战与学习资源推荐
课程总结TinyNAS