首页
›
工业控制与工业互联网
›
005-Edge Impulse端侧模型训练
›
《Edge Impulse模型训练日志解读与调参方法》
VIP20
本课程属于:005-Edge Impulse端侧模型训练
工业控制与工业互联网 · 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
📘
Edge Impulse模型训练日志解读与调参方法
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
了解Edge Impulse平台的基… · 模型训练流程 · 学习目标与课程整体框架
课程导入
Edge
02
环境准备与数据导入
注册Edge Impulse账号 · 创建项目 · 导入数据集
环境准备
数据导入
03
训练日志基础
认识Edge Impulse训练日志… · 关键字段(loss · accuracy
训练日志基础
Edge
04
日志可视化与监控
使用Edge Impulse内置图表… · 理解曲线趋势
日志可视化
监控
05
过拟合与欠拟合识别
通过训练日志判断模型是否过拟合或欠拟… · 掌握典型特征与应对策略
过拟合
欠拟合识别
06
学习率调参
学习率对训练的影响 · 如何从日志中判断学习率是否合适 · 调整学习率的方法(固定
学习率调参
学习率对训练的影…
07
批次大小与迭代次数
批次大小(batch size)和e… · 如何根据日志选择合适值
批次大小
迭代次数
08
优化器选择与调参
常见优化器(SGD · Adam · RMSprop等)在Edge Imp…
优化器选择
调参
09
损失函数与评估指标
不同任务(分类 · 回归)的损失函数和评估指标 · 如何从日志解读模型性能
损失函数
评估指标
10
数据增强与日志变化
数据增强策略对训练日志的影响 · 如何通过日志判断增强效果
数据增强
日志变化
11
模型架构调整
修改神经网络层数 · 神经元数量 · 卷积核大小等
模型架构调整
修改神经网络层数
12
正则化技术
L1/L2正则化 · Dropout · 早停(Early Stopping)…
正则化技术
L1/L2
13
类别不平衡处理
从日志中识别类别不平衡问题 · 调整类别权重 · 采样策略等方法
类别不平衡处理
从日志
14
迁移学习与预训练模型
使用Edge Impulse的迁移学… · 解读微调过程中的日志变化
迁移学习
预训练模型
15
超参数搜索
Edge Impulse中的超参数调… · 如何利用日志评估搜索结果
超参数搜索
Edge
16
训练中断与恢复
日志中记录的中断原因 · 如何从断点恢复训练 · 避免重复劳动
训练
恢复
17
多任务学习与日志解读
多输出模型的训练日志特点 · 如何平衡多个损失
多任务学习
日志解读
18
边缘设备部署与日志关联
训练日志中的性能指标与部署后实际推理… · 如何优化
边缘设备部署
日志关联
19
案例实战
图像分类项目:从数据导入到训练 · 完整解读训练日志 · 进行调参优化
案例实战
图像分类项目
20
案例实战
语音识别项目:处理音频数据 · 解读训练日志 · 调整模型参数以适应语音特征
案例实战
语音识别项目
21
案例实战
异常检测项目 · 通过日志识别模型对异常样本的敏感度
案例实战
异常检测项目
22
案例实战
传感器数据分类:加速度计 · 陀螺仪等传感器数据 · 解读训练日志并优化模型
案例实战
传感器数据分类
23
常见错误与日志报错
分析训练日志中常见的错误信息(如Na… · 内存不足等) · 提供解决方案
常见错误
日志报错
24
日志对比与实验管理
如何记录和对比多次实验的日志 · 使用Edge Impulse的实验管…
日志对比
实验管理
25
自动化调参脚本
使用Edge Impulse API… · 自动解析日志并调整参数
自动化调参脚本
Edge
26
模型量化与日志变化
量化对训练日志和模型精度的影响 · 如何在Edge Impulse中配置…
模型量化
日志变化
27
模型剪枝与日志变化
剪枝技术对训练日志的影响 · 如何通过日志评估剪枝效果
模型剪枝
日志变化
28
综合实战
端到端项目调优:从数据到部署 · 综合运用日志解读和调参方法 · 解决实际问题
综合实战
端到端项目调优
29
调参策略总结与最佳实践
总结调参流程 · 常见陷阱 · 高效调参技巧
调参策略总结
最佳实践
30
课程总结与进阶方向
回顾课程重点 · 介绍Edge Impulse高级功能 · 社区资源与持续学习路径
课程总结
进阶方向
所属VIP或分类
同VIP:Edge-Impulse-EON-Compiler模型优化训练资料
同VIP:Edge-Impulse-impulse-design建模流程完整讲义
同VIP:Edge-Impulse-Keras模型导入与再训练实战