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

TinyML PTQ校准集采集与模型转换教程

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与PTQ的基本概念 · 课程目标 · 学习路径与工具链概览
课程导入TinyML
02
量化基础
定点数与浮点数表示 · 量化参数（scale/zero-po… · 对称与非对称量化
量化基础定点数
03
PTQ原理
训练后量化的流程 · 动态范围与静态范围 · 量化误差来源
PTQ原理
04
校准集的作用
校准集在PTQ中的角色 · 与验证集/测试集的区别 · 对量化精度的影响
校准集的作用PTQ
05
校准集采集原则
数据代表性 · 多样性 · 覆盖范围
校准集采集原则数据代表性
06
数据来源与预处理
真实数据采集 · 数据增强 · 归一化
数据来源预处理
07
校准集规模确定
最小样本数估算 · 经验法则 · 基于误差分析的动态调整
校准集规模确定最小样本数估算
08
校准集标注要求
是否需要标签 · 无监督校准 · 伪标签与弱监督方法
校准集标注要求是否需要标签
09
常见校准算法
MinMax · Percentile · MSE
常见校准算法MinMax
10
校准集采集实战（图像分类）
使用公开数据集（如ImageNet子…
校准集采集实战图像分类
11
校准集采集实战（目标检测）
COCO/VOC数据裁剪 · 目标分布均衡 · 背景多样性
校准集采集实战目标检测
12
校准集采集实战（语音/音频）
语音命令 · 噪声环境 · 采样率与特征提取
校准集采集实战语音
13
校准集采集实战（传感器/时序）
IMU · 温度 · 振动数据采集与窗口化
校准集采集实战传感器
14
数据清洗与异常处理
去除重复 · 离群点 · 损坏样本
数据清洗异常处理
15
校准集存储与管理
文件格式（TFRecord/LMDB… · 版本控制 · 数据管线
校准集存储管理
16
模型转换流程
从浮点模型到PTQ的完整步骤（以TF…
模型转换流程PTQ
17
TFLite PTQ实操
使用TensorFlow Lite…
TFLitePTQ
18
ONNX Runtime PTQ实操
使用onnxruntime.quan…
ONNXRuntime
19
PyTorch PTQ实操
torch.ao.quantizat…
PyTorchPTQ
20
MCU部署适配
将量化模型转换为C数组 · 内存布局 · 对齐要求
MCU部署适配
21
量化精度评估
评估指标（Top-1/mAP/WER… · 对比浮点基线 · 误差分析
量化精度评估Top-1/mAP/WE…
22
校准集敏感性分析
不同校准集对精度的影响 · 如何选择最优子集
校准集敏感性分析不同校准集对精度…
23
常见问题与调试
校准集过拟合 · 激活值分布偏移 · 量化溢出
常见问题调试
24
校准集迭代优化
基于量化误差反馈调整校准集 · 主动学习策略
校准集迭代优化基于量化误差反馈…
25
自动化校准集采集
使用代理模型 · 不确定性采样 · 数据蒸馏
自动化校准集采集使用代理模型
26
边缘场景校准
低光 · 运动模糊 · 噪声环境下的数据采集技巧
边缘场景校准低光
27
多任务与多模态校准
同时优化多个输出头 · 融合不同传感器数据
多任务多模态校准
28
案例实战
从零构建一个图像分类TinyML项目…
案例实战TinyML
29
案例实战
端到端语音唤醒词PTQ项目（含噪声校…
案例实战PTQ
30
综合提升与最佳实践
总结常见陷阱 · 性能优化技巧 · 未来趋势（QAT与PTQ结合）
综合提升最佳实践