VIP20
本课程属于：030-Intel Edge AI与OpenVINO部署优化 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

6. OpenVINO NNCF压缩：剪枝、量化与训练时优化

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
学习目标 · 课程结构 · NNCF在OpenVINO工具套件中…
课程导入学习目标
02
模型压缩基础
深度神经网络中的冗余 · 压缩方法分类（剪枝 · 量化
模型压缩基础深度神经网络
03
NNCF核心概念
压缩算法配置 · 压缩率 · 稀疏度
NNCF核心概念
04
环境搭建与工具链
安装OpenVINO和NNCF · 验证环境 · 获取预训练模型与数据集
环境搭建工具链
05
PyTorch模型压缩入门
使用NNCF压缩一个简单PyTorc…
PyTorch模型压缩入门
06
TensorFlow模型压缩入门
使用NNCF压缩一个TensorFl…
TensorFlow模型压缩入门
07
量化基础
对称量化与非对称量化 · 量化参数（scale · zero-point）
量化基础对称量化
08
训练后量化（PTQ）
使用NNCF的PTQ API对模型进… · 评估精度与性能
PTQ训练后量化
09
量化感知训练（QAT）
在训练过程中模拟量化 · 使用NNCF的QAT算法微调模型以恢…
QAT量化感知训练
10
混合精度量化
为不同层分配不同位宽（如INT8/I… · 使用NNCF自动搜索最佳配置
混合精度量化INT8/I
11
剪枝基础
结构化剪枝与非结构化剪枝 · 稀疏度定义 · 剪枝对模型结构的影响
剪枝基础结构化剪枝
12
NNCF剪枝算法
Magnitude剪枝 · RB（Rigid）剪枝 · 软剪枝与硬剪枝的实现与参数
NNCF剪枝算法
13
剪枝实战
对YOLOv8模型进行结构化剪枝 · 使用NNCF配置稀疏度并微调
剪枝实战YOLOv8
14
蒸馏辅助压缩
知识蒸馏与量化/剪枝结合 · 使用NNCF的蒸馏算法提升压缩后模型…
蒸馏辅助压缩知识蒸馏
15
压缩配置详解
NNCF配置文件（JSON）的编写 · 包括compression · ignored_scopes
压缩配置详解NNCF
16
训练时优化流程
数据加载 · 优化器选择 · 学习率调度
训练时优化流程数据加载
17
模型导出与转换
将NNCF压缩后的模型导出为ONNX… · 并验证推理结果
模型导出转换
18
性能评估与基准测试
使用OpenVINO Benchma… · 吞吐量和模型大小
性能评估基准测试
19
精度恢复策略
当压缩导致精度下降时 · 如何调整超参数 · 增加蒸馏
精度恢复策略当压缩导致精度下…
20
案例实战
图像分类模型（ResNet50）的I…
案例实战ResNet50
21
案例实战
目标检测模型（SSD-MobileN…
案例实战SSD-MobileN
22
案例实战
语义分割模型（UNet）的混合精度量…
案例实战UNet
23
案例实战
NLP模型（BERT）的量化与剪枝 · 处理动态形状和注意力层
案例实战NLP
24
常见问题与调试
量化后精度崩溃 · 剪枝后模型不收敛 · 配置错误
常见问题调试
25
高级技巧
忽略敏感层 · 自定义量化规则 · 结合硬件特性（如CPU/GPU/VP…
高级技巧忽略敏感层
26
自动化压缩
使用NNCF的AutoCompres… · 减少人工调参
自动化压缩NNCF
27
与OpenVINO推理引擎集成
将压缩模型部署到OpenVINO R… · 实现端到端推理
OpenVINO推理引擎集成
28
综合项目
从预训练模型出发 · 完成量化+剪枝+蒸馏的完整压缩流程 · 并对比不同方案
综合项目从预训练模型出发
29
最佳实践与经验总结
压缩率与精度权衡 · 训练超参数选择 · 常见陷阱与规避方法
最佳实践经验总结
30
课程总结与进阶方向
回顾核心知识点 · 介绍NNCF最新特性 · 社区资源与后续学习路径
课程总结进阶方向