VIP20

本课程属于：048-GD32国产MCU TinyML部署与工业节点 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

9. GD32模型量化部署：INT8模型和输出误差验证

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 · 适用人群 · 课程整体框架与前置知识要求

课程导入学习目标

边缘计算与GD32概述

GD32系列MCU的特点 · 在边缘AI中的应用场景及部署挑战

GD32边缘计算

模型量化基础

什么是模型量化 · 为什么需要量化 · INT8量化的基本原理与优势

模型量化基础什么是模型量化

量化核心概念

对称量化与非对称量化 · 量化尺度（scale）与零点（zer… · 量化精度与动态范围

量化核心概念对称量化

量化误差来源

量化误差的类型（舍入误差 · 截断误差 · 溢出误差）

量化误差来源量化误差的类型

INT8量化方法

训练后量化（PTQ）与量化感知训练（… · 适用场景及优缺点

INT8量化方法

量化工具链介绍

常用的模型量化工具（如TensorF… · PyTorch Quantizati… · ONNX Runtime）及在GD3…

量化工具链介绍TensorF

GD32部署环境搭建

开发板选型 · IDE安装 · 交叉编译工具链配置

GD32部署环境搭建

模型转换流程

从浮点模型到INT8模型的转换步骤 · 格式转换（如ONNX · TFLite）及注意事项

模型转换流程INT8

GD32上的INT8推理框架

介绍适用于GD32的轻量级推理引擎（… · TFLite Micro）及其集成方…

量化参数校准

校准数据集的选择 · 校准方法（MinMax · Percentile

量化参数校准校准数据集的选择

使用PyTorch训练一个简单分类模…

使用ONNX Runtime进行IN…

将量化模型部署到GD32开发板 · 编写C代码调用推理引擎

GD32将量化模型部署到

输出误差验证方法

如何定义输出误差 · 常用指标（MAE · MSE

输出误差验证方法如何定义输出误差

误差验证工具实现

编写Python脚本读取GD32输出… · 计算误差并可视化

误差验证工具实现Python

图像分类模型在GD32上的INT8部…

案例实战GD32

语音唤醒词模型在GD32上的INT8…

案例实战GD32

传感器时序数据回归模型的INT8部署…

案例实战INT8

量化对模型精度的影响分析

不同量化方法 · 不同校准数据量下的精度对比实验

量化对模型精度的…不同量化方法

误差调试与优化

当输出误差过大时 · 如何定位问题（量化参数 · 模型结构

误差调试优化

硬件相关优化

利用GD32的硬件加速单元（如FPU · DSP指令）提升INT8推理性能

硬件相关优化GD32

内存与存储优化

INT8模型在GD32上的内存占用分… · 模型压缩与剪枝结合

内存存储优化

常见问题与解决方案

量化后模型不收敛 · 输出全零 · 推理速度慢等典型问题的排查与修复

常见问题解决方案

量化部署最佳实践

从模型设计 · 训练 · 量化到部署的完整工程化建议

量化部署最佳实践从模型设计

混合精度量化（如INT8+INT16…

进阶INT8+INT16

量化感知训练（QAT）在GD32部署…

设计一个端到端项目（如手势识别） · 完成训练 · 量化

综合实战设计一个端到端项…

核心知识点回顾 · 常见误区 · 学习路径建议与拓展资源推荐

课程总结核心知识点回顾

完成一个自定义模型的INT8部署与误… · 并提交代码与结果分析

综合考核INT8