嵌入式边缘AI与TinyML课程目录 · 第4页
本页列出第181–240门课程,共1220门。
- 《Edge Impulse Int8量化与精度回归验证》
- 《Edge Impulse与TFLite Micro固件集成》
- 《Edge Impulse关键词识别:音频采集、训练与误触发控制》
- 《Edge Impulse团队协作:数据版本、实验记录与模型管理》
- 《Edge Impulse多模态样本采集与标注系统》
- 《Edge Impulse振动异常检测:设备状态监测项目实战》
- 《Edge Impulse模型训练:分类、回归与异常检测流程》
- 《Edge Impulse模型质量评测与阈值优化》
- 《Edge Impulse模型跨格式导出与部署适配》
- 《Edge Impulse流式数据实时推理与输出平滑》
- 《Edge Impulse生产项目:设备采集、云端训练与本地推理》
- 《Edge Impulse端侧AI模型训练与部署工程》
- 《Edge Impulse训练数据质量治理与偏差修正》
- 《Edge Impulse轻量图像识别模型开发与部署》
- 《Edge Impulse部署到Arduino:库导出与示例工程运行》
- 《Edge Impulse部署到ESP32:模型库接入与板端验证》
- 《Edge Impulse部署到STM32:C++ SDK集成与资源检查》
- 《Edge Impulse部署排错:内存不足、采样异常与编译失败》
- 《Edge Impulse音频时序特征工程与分类建模》
- 《Edge Impulse项目验收:数据质量、模型指标与板端稳定性》
- 《TFLite Float16量化:边缘GPU和移动端部署选择》
- 《TFLite Float转Int8量化与部署精度验证》
- 《TFLite INT8输入输出一致性与量化推理调试》
- 《TFLite PTQ量化调参:校准集、输入范围与精度恢复》
- 《TFLite QAT量化训练:伪量化节点与部署一致性》
- 《TFLite全整数量化与校准数据工程》
- 《TFLite动态范围量化与模型体积优化》
- 《TFLite后训练量化:PTQ流程、校准数据与精度评估》
- 《TFLite时序模型量化:传感器分类与异常检测场景》
- 《TFLite端侧模型验收:量化前后精度和延迟对比》
- 《TFLite视觉模型量化:图像分类与检测模型的精度保护》
- 《TFLite量化兼容性:算子支持、维度限制与回退问题》
- 《TFLite量化异常诊断与精度修复》
- 《TFLite量化感知训练:QAT模型训练与部署收益》
- 《TFLite量化模型评估:Top-1、mAP与任务指标对齐》
- 《TFLite量化自动化脚本:转换、评估与报告生成》
- 《TFLite量化误差分析:输出差异、精度下降与排查流程》
- 《TFLite量化部署实战:体积、延迟与准确率三方平衡》
- 《TFLite音频模型量化:关键词识别中的噪声鲁棒性》
- 《TensorFlow Lite量化交付:PTQ、QAT、INT8与Calibration报告》
- 《TinyML INT8推理与设备能效优化》
- 《TinyML事件唤醒与低功耗推理固件开发》
- 《TinyML低功耗优化:电池供电设备的推理任务设计》
- 《TinyML低功耗振动监测:周期采样与异常触发推理》
- 《TinyML低功耗故障排查:异常唤醒、漏电与任务阻塞》
- 《TinyML低功耗联网:BLE、Wi-Fi与LoRa上传策略选择》
- 《TinyML低功耗视觉:间歇拍照、分辨率与模型轻量化》
- 《TinyML低功耗语音唤醒:Always-On音频链路设计》
- 《TinyML低功耗项目交付:从实验室功耗到真实场景续航》
- 《TinyML功耗回归测试:固件更新后的续航指标验证》
- 《TinyML功耗测试方法:万用表、功耗仪与采样日志分析》
- 《TinyML推理调度:实时性、功耗与准确率平衡》
- 《TinyML模型访问开销分析与低功耗优化》
- 《TinyML电池设备功耗预算与续航设计》
- 《TinyML电源管理:传感器、无线模块与MCU协同休眠》
- 《TinyML硬件选型:低功耗MCU、传感器与电源芯片匹配》
- 《TinyML纽扣电池与锂电设备续航评估》
- 《TinyML自适应采样与端侧推理调度》
- 《TinyML边缘告警设备:本地判断减少无线传输能耗》
- 《TinyML量产续航优化:阈值、采样率与推理频率标定》