VIP20
本课程属于：007-ONNX模型转换与算子兼容 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

TinyML实战：基于ONNX的唤醒词检测模型部署

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
TinyML与唤醒词检测的概述 · 课程目标 · 学习路径与实战项目总览
课程导入TinyML
02
环境搭建
Python · ONNX Runtime · MicroPython/嵌入式工具链…
环境搭建Python
03
音频基础
采样率 · 位深 · 帧
音频基础采样率
04
唤醒词检测原理
关键词 spotting 的流程 · 唤醒词模型架构（如DNN · CNN
唤醒词检测原理spotting
05
数据准备
录制/采集唤醒词音频 · 数据增强（噪声 · 变速
数据准备录制
06
特征提取实战
使用Python提取MFCC特征 · 并可视化特征图 · 理解特征对模型的影响
特征提取实战Python
07
模型训练基础
使用TensorFlow/Keras… · 并评估准确率
模型训练基础TensorFlow/K…
08
模型优化与量化
剪枝 · 权重量化（INT8） · 激活量化
模型优化量化
09
ONNX模型转换
将训练好的模型（Keras/PyTo… · 并验证ONNX推理结果一致性
ONNX模型转换
10
ONNX Runtime部署
在PC上使用ONNX Runtime… · 测试延迟与内存占用 · 并优化推理性能
ONNXRuntime
11
嵌入式平台适配
将ONNX模型转换为嵌入式可执行格式… · CMSIS-NN） · 并处理算子兼容性
嵌入式平台适配ONNX
12
微控制器部署实战
在STM32/ESP32等开发板上部… · 实现实时检测并控制LED或蜂鸣器
微控制器部署实战STM32/ESP32
13
唤醒词模型优化进阶
深度可分离卷积 · GRU/LSTM轻量化设计 · 模型蒸馏等技巧
唤醒词模型优化进…深度可分离卷积
14
低功耗与实时性优化
降低推理频率 · 使用中断唤醒 · DMA传输
低功耗实时性优化
15
多唤醒词与自定义唤醒词
训练支持多个唤醒词（如“小爱同学 · Hey Siri”）的模型 · 并处理类别不平衡
多唤醒词自定义唤醒词
16
鲁棒性提升
噪声环境下的数据增强 · 语音活动检测（VAD）预处理 · 自适应滤波
鲁棒性提升噪声环境下的数据…
17
模型压缩与剪枝实战
使用ONNX Runtime的模型优…
模型压缩剪枝实战
18
端到端流水线构建
从音频采集 · 特征提取 · 模型推理到输出响应的完整代码实现
端到端流水线构建从音频采集
19
调试与性能分析
使用日志 · 断点 · 性能分析器（如perf
调试性能分析
20
常见问题与解决方案
模型转换失败 · 算子不支持 · 内存溢出
常见问题解决方案
21
安全与隐私
本地推理的优势 · 数据隐私保护 · 模型加密与防篡改
安全隐私
22
项目实战
智能家居唤醒词控制：实现“开灯 · 关灯”等指令的唤醒词检测与执行
项目实战智能家居唤醒词控…
23
项目实战
可穿戴设备唤醒词检测
项目实战可穿戴设备唤醒词…
24
项目实战
离线语音助手
项目实战离线语音助手
25
性能评估与基准测试
使用准确率 · 召回率 · F1分数
性能评估基准测试
26
模型迭代与持续优化
收集真实场景数据 · 在线学习 · A/B测试等持续改进方法
模型迭代持续优化
27
高级主题
使用TinyML框架（如Edge I… · TensorFlow Lite Mi…
高级主题TinyML
28
高级主题
多模态融合：结合加速度计 · 光传感器等提升唤醒词检测的准确性
高级主题多模态融合
29
综合实战
从零到一部署一个完整的唤醒词检测产品… · 包括硬件选型 · 模型训练
综合实战从零到一部署一个…
30
课程总结与展望
回顾关键知识点 · 常见陷阱 · 未来趋势（如超低功耗
课程总结回顾关键知识点