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睡眠监测模型部署：ONNX转换全流程资料

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

TinyML睡眠监测的背景 · 课程目标 · 学习路径与最终实战成果预览

课程导入TinyML

什么是TinyML · 微控制器上的机器学习 · 资源约束与典型应用场景

TinyML什么是

睡眠监测原理

常见睡眠阶段（清醒 · 浅睡 · 深睡

睡眠监测原理常见睡眠阶段

数据集准备

公开睡眠数据集（如Sleep-EDF · MESA）介绍 · 数据预处理

数据集准备Sleep-EDF

时域 · 频域 · 非线性特征提取

特征工程时域

适合TinyML的轻量级神经网络（如… · LSTM · TCN）与经典机器学习模型对比

模型选型TinyML

模型训练基础

使用Python训练睡眠分类模型 · 训练/验证/测试集划分 · 评估指标（准确率

模型训练基础Python

模型量化入门

量化概念 · 动态量化 · 静态量化

模型量化入门量化概念

ONNX生态 · 模型格式 · 为什么需要ONNX作为中间表示

PyTorch模型导出ONNX

torch.onnx.export参… · 动态轴设置 · 算子兼容性检查

TensorFlow/Keras模型导出ONNX

使用tf2onnx转换流程 · 注意事项与常见错误

TensorFlow/K…ONNX

ONNX模型检查与优化

使用onnxruntime · netron可视化 · onnx-simplifier简化模…

ONNX模型检查

ONNX算子兼容性

TinyML目标平台（如ARM Co… · ESP32）支持的算子集 · 不兼容算子处理

ONNX算子兼容性

模型量化实战

将ONNX模型量化为int8 · 使用onnxruntime量化工具或…

模型量化实战ONNX

将ONNX转换为TensorFlow… · 用于微控制器（TFLite Micr…

ONNX转其他格式

转换为TensorRT · CoreML · OpenVINO等

ONNX转其他格式

TFLite Micro部署

在Arduino/STM32/ESP… · 内存与Flash优化

边缘设备推理优化

推理速度 · 功耗 · 内存占用优化技巧

边缘设备推理优化推理速度

实时睡眠监测系统设计

传感器数据采集 · 滑动窗口 · 实时推理与状态输出

实时睡眠监测系统…传感器数据采集

基于加速度计数据的睡眠姿势识别模型从…

案例实战基于加速度计数据…

基于EEG信号的睡眠阶段分类模型 · 使用Sleep-EDF数据集 · 完成ONNX转换与部署

案例实战EEG

多传感器融合的睡眠质量评估模型 · 处理时间序列数据 · 部署到低功耗设备

案例实战多传感器融合的睡…

ONNX转换失败 · 算子不支持 · 动态维度问题

常见问题ONNX

量化后模型性能下降 · 如何通过QAT或混合量化恢复精度

常见问题量化后模型性能下…

内存不足 · 推理延迟高 · 如何优化模型结构和部署配置

常见问题内存不足

工具链整合

从训练到部署的完整CI/CD流程 · 自动化转换 · 量化

工具链整合CI/CD

性能评估与验证

在真实硬件上评估模型准确性 · 延迟 · 功耗

性能评估验证

安全与隐私

边缘设备上的数据隐私 · 模型加密 · 对抗攻击防护

设计一个完整的TinyML睡眠监测系… · 从数据采集到设备部署 · 并撰写技术报告

综合项目TinyML

课程总结与进阶

回顾全流程 · 探讨未来趋势（如超低功耗芯片 · 神经形态计算）

课程总结进阶