首页
›
嵌入式边缘AI与TinyML
›
036-Edge AI生产环境MLOps与模型生命周期
›
《Edge AI实验数据版本与训练指标追踪》
VIP20
本课程属于:036-Edge AI生产环境MLOps与模型生命周期
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
📘
3. Edge AI实验管理:数据版本、训练参数和指标追踪
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实验管理的背景 · 痛点与学习目标 · 以及课程整体框架
课程导入
Edge
02
Edge AI实验管理基础
核心概念(实验 · 运行 · 数据集
Edge
AI
03
实验管理工具概览
主流工具(MLflow · Weights & Biases · Neptune
实验管理工具概览
MLflow
04
数据版本管理入门
为什么需要数据版本控制 · 数据版本与代码版本的区别 · 以及数据版本化的基本流程
数据版本管理入门
为什么需要数据版…
05
数据版本控制工具实践
使用DVC(Data Version… · 远程存储配置与数据获取
数据版本控制工具…
DVC
06
数据集元数据管理
记录数据集来源 · 预处理步骤 · 标签信息
数据集元数据管理
记录数据集来源
07
数据版本与模型版本关联
如何将数据集版本与模型训练实验关联 · 确保实验可复现
数据版本
模型版本关联
08
训练参数管理
参数分类(超参数 · 配置参数 · 环境参数)
训练参数管理
参数分类
09
参数配置最佳实践
使用配置文件(YAML/JSON) · 命令行参数 · 环境变量
参数配置最佳实践
YAML/JSON
10
实验追踪核心概念
实验追踪的定义 · 需要追踪的指标(损失 · 准确率
实验追踪核心概念
实验追踪的定义
11
指标追踪工具实践
使用MLflow Tracking记… · 指标 · 模型工件
指标追踪工具实践
MLflow
12
实验对比与分析
如何对比不同实验的指标 · 选择最优模型 · 并分析参数影响
实验对比
分析
13
实验可视化
使用TensorBoard · Gradio或自定义仪表盘展示训练曲… · 混淆矩阵
实验可视化
TensorBoard
14
Edge AI特有指标
模型大小 · 推理延迟 · 内存占用
Edge
AI
15
实验复现性
确保实验可复现的策略(固定随机种子 · 记录环境依赖 · 容器化)
实验复现性
确保实验可复现的…
16
实验组织与命名规范
实验命名规则 · 标签体系 · 目录结构设计
实验组织
命名规范
17
团队协作与权限管理
多用户实验管理 · 共享数据集与模型 · 权限控制与审计
团队协作
权限管理
18
自动化实验管理
使用脚本或CI/CD流水线自动触发实… · 记录参数与指标
自动化实验管理
CI/CD
19
案例实战
图像分类Edge AI实验管理——从…
案例实战
Edge
20
案例实战
目标检测Edge AI实验管理——处… · 跟踪mAP与推理速度
案例实战
Edge
21
案例实战
模型压缩实验管理——对比原始模型与量…
案例实战
模型压缩实验管理
22
常见问题与解决方案
数据版本冲突 · 实验记录丢失 · 指标不一致
常见问题
解决方案
23
实验管理中的安全与隐私
敏感数据版本控制 · 访问控制 · 加密与合规性考虑
实验管理
安全
24
与MLOps集成
实验管理在MLOps生命周期中的位置 · 与模型注册 · 部署
MLOps
集成
25
实验管理平台搭建
基于开源工具(MLflow+DVC)… · 包括存储与后端配置
实验管理平台搭建
MLflow+DVC
26
实验管理进阶
使用实验管理API进行自定义追踪 · 集成自定义指标与日志
实验管理进阶
API
27
实验管理最佳实践总结
从数据 · 参数 · 指标
实验管理最佳实践…
从数据
28
综合实战项目
从零开始为一个Edge AI项目(如…
综合实战项目
Edge
29
课程回顾与知识图谱
梳理核心知识点 · 工具链 · 流程
课程回顾
知识图谱
30
结课考核与拓展
综合测验 · 项目答辩要求 · 以及推荐学习资源与社区
结课考核
拓展
所属VIP或分类
同VIP:Edge-AI-MCU-NPU-GPU跨平台发布与验证
同VIP:Edge-AI-MLOps落地方案:从单项目部署到规模化运营
同VIP:Edge-AI可验证模型包与自动打包