VIP20
本课程属于：006-ONNX Runtime端侧推理部署 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

ONNX Runtime端侧部署课程：实时关键词唤醒项目

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 · 端侧部署与关键词唤醒的行业应用场景
课程导入学习目标
02
关键词唤醒基础
语音唤醒原理 · 关键词检测流程 · 常见唤醒词方案对比
关键词唤醒基础语音唤醒原理
03
音频信号处理基础
采样率 · 帧长 · 窗函数
音频信号处理基础采样率
04
特征提取实战
使用Python提取梅尔频率倒谱系数… · 并可视化
特征提取实战Python
05
深度学习模型选型
适合关键词唤醒的轻量级模型（如TC-… · DS-CNN · CRNN）对比
深度学习模型选型TC
06
模型训练准备
数据集构建（如Google Spee… · 数据增强 · 标签处理
模型训练准备Google
07
PyTorch模型训练
搭建关键词唤醒模型 · 训练循环 · 验证与保存最佳模型
PyTorch模型训练
08
模型导出为ONNX
使用torch.onnx.expor… · 处理动态轴与输入输出格式
ONNX模型导出为
09
ONNX模型检查与优化
使用onnxruntime和onnx… · 进行图优化与量化准备
ONNX模型检查
10
模型量化基础
量化原理 · 动态量化与静态量化 · INT8量化对模型大小和推理速度的影…
模型量化基础量化原理
11
ONNX Runtime端侧部署环境搭建
在Android/iOS/嵌入式Li…
ONNXRuntime
12
端侧推理代码编写
使用ONNX Runtime C/C…
端侧推理代码编写ONNX
13
实时音频流处理
实现音频流分帧 · 滑动窗口 · 特征实时计算与推理触发
实时音频流处理实现音频流分帧
14
唤醒后处理逻辑
阈值判断 · 平滑滤波 · 误唤醒抑制
唤醒后处理逻辑阈值判断
15
端侧性能优化
推理延迟优化 · 内存管理 · 多线程与CPU/GPU/NPU加速
端侧性能优化推理延迟优化
16
模型压缩与剪枝
结构化剪枝 · 权重共享 · 知识蒸馏在关键词唤醒模型上的应用
模型压缩剪枝
17
端侧部署案例实战
在Android设备上部署实时关键词…
端侧部署案例实战Android
18
端侧部署案例实战
在树莓派或Jetson Nano上部…
端侧部署案例实战Jetson
19
跨平台部署对比
ONNX Runtime在不同端侧平…
跨平台部署对比ONNX
20
常见问题排查
模型加载失败 · 推理结果错误 · 内存泄漏
常见问题排查模型加载失败
21
模型鲁棒性提升
噪声环境下的关键词唤醒 · 多说话人适应性 · 数据增强策略
模型鲁棒性提升噪声环境下的关键…
22
端侧模型更新策略
热更新模型文件 · 版本管理 · A/B测试与远程配置
端侧模型更新策略热更新模型文件
23
功耗与资源优化
电池消耗 · CPU占用 · 内存占用分析与调优技巧
功耗资源优化
24
端侧推理框架对比
ONNX Runtime与Tenso… · PyTorch Mobile · MNN的优缺点
端侧推理框架对比ONNX
25
自定义唤醒词训练
从录制数据到训练自定义唤醒词模型的完…
自定义唤醒词训练从录制数据到训练…
26
端侧部署安全与隐私
模型加密 · 输入数据保护 · 端侧推理的隐私优势
端侧部署安全隐私
27
综合项目实战
构建一个完整的实时关键词唤醒系统 · 从训练到端侧部署并演示
综合项目实战构建一个完整的实…
28
性能评估与测试
准确率 · 召回率 · 实时性
性能评估测试
29
进阶优化
使用ONNX Runtime的Exe… · NNAPI）进一步提升性能
进阶优化ONNX
30
课程总结与拓展
学习路径回顾 · 常见误区 · 未来趋势（如端侧大模型与关键词唤醒结…
课程总结拓展