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

Edge AI PTQ量化参数检查与scale对齐实操

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 · 适用人群 · 课程整体框架与实战项目预览
课程导入学习目标
02
边缘AI与PTQ基础
边缘计算 · 模型量化概述 · PTQ与QAT的区别及适用场景
AIPTQ
03
量化原理与scale概念
线性量化 · 对称/非对称量化 · scale与zero-point的定…
scale量化原理
04
PTQ流程概览
数据准备 · 校准 · 量化
PTQ流程概览
05
量化参数检查的意义
为什么需要检查scale · 常见错误类型及对模型精度的影响
量化参数检查的意…scale
06
scale对齐的核心思想
不同层/通道间scale不一致的根源 · 对齐目标与原则
scale对齐的核心思想
07
工具链与框架准备
PyTorch/TensorFlow…
工具链框架准备
08
校准数据集构建
代表性数据的选择 · 数量 · 预处理与增强策略
校准数据集构建代表性数据的选择
09
校准方法详解
MinMax · Percentile · MSE
校准方法详解MinMax
10
量化参数提取
如何从量化模型中提取每层/每通道的s…
量化参数提取如何从量化模型
11
scale检查实操
编写脚本打印各层scale分布 · 统计异常值 · 可视化分析
scale检查实操
12
常见scale异常模式
过大/过小 · 突变 · 跨层不匹配
scale常见
13
scale对齐方法（一）
全局统一scale的适用条件与实现步…
scale对齐方法
14
scale对齐方法（二）
按层/按通道对齐策略 · 基于统计的自动对齐算法
scale对齐方法
15
scale对齐方法（三）
基于优化搜索的对齐方法（如最小化量化…
scale对齐方法
16
实战案例1
基于PyTorch的CNN模型PTQ…
实战案例1PyTorch
17
实战案例2
基于ONNX Runtime的Tra…
实战案例2ONNX
18
实战案例3
基于TensorRT的检测模型sca…
实战案例3TensorRT
19
量化精度评估
量化前后模型精度对比 · 误差分析 · 敏感层定位
量化精度评估量化前后模型精度…
20
scale对齐与精度调优
通过scale调整改善量化模型精度的…
scale对齐
21
自动化工具开发
编写脚本自动检查scale异常并生成…
自动化工具开发scale
22
常见问题与解决方案
scale溢出 · NaN · 精度骤降
常见问题解决方案
23
硬件适配与scale约束
不同边缘芯片（如NPU · GPU · DSP）对scale的约束与适配
scale硬件适配
24
混合精度量化与scale管理
不同层采用不同位宽时的scale对齐…
scale混合精度量化
25
量化感知训练（QAT）与scale对齐
QAT中scale的初始化与更新 · 与PTQ的对比
QATscale
26
综合实战项目
从零开始对一个真实边缘AI模型进行P… · scale检查与对齐 · 并部署到边缘设备
综合实战项目AI
27
性能与精度权衡
scale对齐对推理速度 · 内存占用 · 功耗的影响及优化策略
性能精度权衡
28
进阶主题
动态量化 · 稀疏量化与scale对齐的联合优化
进阶主题动态量化
29
课程总结
核心知识点回顾 · 常见误区 · 最佳实践与学习路径建议
课程总结核心知识点回顾
30
结业考核与拓展
综合测试题 · 项目答辩要求 · 进一步学习资源与社区推荐
结业考核拓展