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模型部署到ESP32：ONNX转换实战课程

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概念 · ESP32硬件能力 · ONNX生态简介
课程导入TinyML
02
开发环境搭建
安装Arduino IDE · ESP32板卡支持 · Python环境
开发环境搭建Arduino
03
ESP32基础与外设
GPIO · I2C · SPI
ESP32外设
04
TinyML核心概念
模型量化 · 剪枝 · 蒸馏
TinyML核心概念
05
ONNX格式详解
ONNX模型结构 · 算子 · 张量
ONNX格式详解
06
模型训练与导出
使用TensorFlow/Keras… · 并导出为ONNX格式
模型训练导出
07
ONNX模型优化
使用onnx-simplifier · onnxoptimizer进行图优化 · 算子融合
ONNX模型优化
08
模型量化技术
训练后量化（PTQ） · 量化感知训练（QAT） · 动态量化
模型量化技术PTQ
09
ONNX转TensorFlow Lite
使用onnx-tf或直接转换 · 生成TFLite模型 · 并验证精度
ONNXTensorFlow
10
TFLite转C数组
使用xxd或Python脚本将TFL… · 嵌入ESP32工程
TFLite转C数组
11
ESP32上的推理框架
TensorFlow Lite fo…
ESP32上的推理框架
12
TFLM API使用
解释器初始化 · 张量分配 · 输入输出设置
TFLMAPI
13
案例实战1
MNIST手写数字识别——从训练到E… · 实现摄像头或串口输入识别
案例实战1MNIST
14
案例实战2
关键词唤醒（KWS）——训练简单音频… · 部署到ESP32实现语音唤醒
案例实战2KWS
15
案例实战3
人体活动识别（HAR）——使用IMU… · 部署LSTM或CNN模型
案例实战3HAR
16
案例实战4
图像分类（CIFAR-10或自定义）…
案例实战4CIFAR-10
17
传感器数据预处理
归一化 · 滑动窗口 · 特征提取
传感器数据预处理归一化
18
内存优化技巧
模型内存布局 · 张量复用 · 内存池
内存优化技巧模型内存布局
19
推理性能优化
使用ESP32的硬件加速（如SIMD… · 算子优化 · 多线程或双核处理
推理性能优化ESP32
20
功耗管理
深度睡眠 · 动态调频 · 推理频率控制
功耗管理深度睡眠
21
模型精度评估
在PC端和ESP32端分别评估模型精… · 分析量化损失并调优
模型精度评估PC
22
常见错误与调试
内存不足 · 算子不支持 · 维度错误
常见错误调试
23
模型版本管理
使用Git管理模型文件 · 训练脚本和部署代码 · 确保可复现性
模型版本管理Git
24
OTA更新模型
通过WiFi或蓝牙将新模型远程更新到… · 实现模型迭代
OTA更新模型
25
边缘端训练
在ESP32上实现简单的在线学习或增… · 适应环境变化
边缘端训练ESP32
26
多模型部署
在单个ESP32上部署多个模型 · 实现多任务推理 · 并管理资源分配
多模型部署ESP32
27
与云服务集成
将ESP32推理结果上传至云平台（如… · Azure IoT） · 实现端云协同
云服务集成ESP32
28
安全与隐私
模型加密 · 输入数据保护 · 防篡改
安全隐私
29
综合项目
设计一个完整的TinyML应用（如智… · 从需求分析到部署测试
综合项目TinyML
30
课程总结与进阶
回顾核心技能 · 介绍TinyML前沿趋势（如NPU · 超低功耗芯片）
课程总结进阶