VIP20

本课程属于：008-TinyML模型量化与INT8校准 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

图像分类模型PTQ校准与TFLite导出实战

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

学习目标 · 课程结构 · 前置知识要求

课程导入学习目标

图像分类模型基础

卷积神经网络核心概念 · 常见图像分类模型（ResNet · MobileNet

图像分类模型基础卷积神经网络核心…

模型部署与量化概述

边缘设备部署挑战 · 模型压缩技术概览 · 量化基本概念（权重量化

模型部署量化概述

TensorFlow模型转换基础

Keras模型保存格式 · SavedModel与H5格式 · TensorFlow Lite转换器…

TensorFlow模型转换基础

PTQ（训练后量化）原理

PTQ与QAT的区别 · 量化感知训练与训练后量化对比 · PTQ的优缺点和适用场景

PTQ训练后量化

校准数据集准备

校准数据的作用 · 如何从训练集或验证集构建校准数据集 · 数据预处理（归一化

校准数据集准备校准数据的作用

TensorFlow Lite PTQ流程

使用TFLiteConverter进… · 浮点16量化 · 全整数量化的具体步骤和代码实现

校准器（Calibrator）详解

代表性数据集（Representat… · 校准迭代次数选择 · 校准数据数量对精度的影响

Calibrator校准器

量化参数与精度评估

量化前后模型大小 · 推理速度 · 准确率对比

量化参数精度评估

TFLite模型导出与优化

导出.tflite文件 · 设置优化选项（OPTIMIZE_FO… · DEFAULT）

TFLite模型导出

边缘设备部署实战

在Android/iOS/Raspb… · 使用TFLite解释器进行推理

边缘设备部署实战Android/iOS/…

案例实战一

MobileNetV2图像分类PTQ… · 量化导出 · 精度验证的完整流程

案例实战一MobileNetV2

案例实战二

ResNet50图像分类PTQ校准与… · 校准时间控制 · 精度损失分析

案例实战二ResNet50

案例实战三

自定义数据集图像分类模型PTQ · 转换为TFLite并量化 · 端到端部署

案例实战三PTQ

量化精度损失分析与调优

常见精度下降原因 · 如何通过调整校准数据 · 量化粒度（逐层/逐通道）来提升精度

量化精度损失分析调优

混合量化与部分量化

指定敏感层保持浮点 · 使用混合量化策略 · TensorFlow中实现部分量化的…

混合量化部分量化

TFLite模型解释器与推理优化

输入输出张量格式 · 内存分配 · 多线程推理

TFLite模型解释器

TFLite模型验证与调试

使用TFLite Python AP… · 对比原始模型与量化模型输出 · 调试工具（Netron可视化）

TFLite模型验证

常见问题与解决方案

量化后模型输出NaN · 校准数据过拟合 · 模型转换失败

常见问题解决方案

性能基准测试

测量模型大小 · 推理延迟 · 吞吐量

性能基准测试测量模型大小

与TensorRT、ONNX Runtime等其他部署框架对比

PTQ在不同框架中的实现差异 · TFLite的优势与局限

量化感知训练（QAT）简介

QAT原理 · 与PTQ的精度对比 · 何时需要QAT

QAT量化感知训练

从PTQ到QAT的迁移策略

当PTQ精度不达标时如何引入QAT · 微调策略 · 训练超参数调整

TFLite模型在移动端的集成

Android Studio集成TF… · Java/C++ API使用 · 图像预处理与后处理

TFLite模型在iOS端的集成

Swift/Objective-C… · Core ML与TFLite对比 · 部署注意事项

模型量化与剪枝、蒸馏的结合

联合优化策略 · 实际案例 · 效果评估

模型量化剪枝

自动化部署流水线

使用CI/CD自动训练 · 量化 · 导出TFLite模型

自动化部署流水线CI/CD

综合实战项目

从零构建一个图像分类应用（如猫狗识别… · 包含数据准备 · 模型训练

综合实战项目从零构建一个图像…

课程总结与进阶方向

回顾核心知识点 · 常见误区 · 推荐学习资源

课程总结进阶方向

结课测试与项目答辩

设计一个综合任务 · 要求学员独立完成PTQ校准与TFLi… · 并提交报告与演示

结课测试项目答辩