VIP20
本课程属于：009-TinyML量化感知训练QAT 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

QAT训练前后TinyML精度恢复效果评估课

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 · 课程结构 · TinyML与QAT的基本概念
课程导入学习目标
02
TinyML基础
TinyML定义 · 典型应用场景 · 资源约束（内存
TinyML定义
03
模型量化基础
量化原理（定点与浮点） · 对称/非对称量化 · 量化参数（scale
模型量化基础量化原理
04
量化感知训练（QAT）入门
QAT定义 · 与训练后量化（PTQ）的区别 · QAT在TinyML中的作用
QAT量化感知训练
05
QAT工作流程
模型准备 · 插入伪量化节点 · 训练策略（学习率调整
QAT工作流程
06
精度评估指标
准确率 · 混淆矩阵 · F1分数
精度评估指标准确率
07
评估环境搭建
硬件平台（MCU · 边缘设备） · 软件工具链（TensorFlow L…
评估环境搭建MCU
08
QAT训练前基线评估
原始浮点模型精度测量 · 性能基准（推理时间 · 内存占用）
QAT训练前基线评估
09
QAT训练后模型评估
量化模型精度测量 · 与基线对比 · 精度恢复率计算（恢复率=量化后精度/…
QAT训练后模型评估
10
精度恢复效果评估方法
相对精度损失 · 绝对精度差 · 统计显著性检验（如配对t检验）
精度恢复效果评估…相对精度损失
11
影响精度恢复的关键因素
量化位宽（8bit/4bit） · 校准数据集大小 · 训练超参数
影响精度恢复的关…bit/4bit
12
QAT训练策略优化
学习率调度 · 知识蒸馏辅助 · 混合精度训练
QAT训练策略优化
13
案例实战
图像分类任务（如CIFAR-10）的… · 使用TensorFlow或PyTor…
案例实战CIFAR-10
14
案例实战
语音关键词识别（KWS）任务的QAT… · 处理时序数据与特征提取
案例实战KWS
15
案例实战
异常检测任务（如传感器数据）的QAT… · 处理不平衡数据集与回归指标
案例实战QAT
16
工具链实操
使用TensorFlow Model… · 导出TFLite模型
工具链实操TensorFlow
17
工具链实操
使用PyTorch的torch.ao… · 并部署到TinyML框架（如Micr…
工具链实操PyTorch
18
工具链实操
使用Edge Impulse或STM… · 对比不同工具结果
工具链实操Edge
19
评估自动化
编写脚本批量评估多个量化模型 · 生成精度报告 · 可视化精度-大小-速度权衡
评估自动化编写脚本批量评估…
20
常见问题与调试
QAT后精度不升反降 · 过拟合 · 伪量化节点失效
常见问题调试
21
常见问题与调试
评估结果不一致（不同硬件/软件版本） · 随机种子影响 · 数据预处理差异的处理
常见问题调试
22
高级主题
混合精度量化（部分层8bit部分4b…
高级主题bit
23
高级主题
量化感知训练与剪枝 · 蒸馏结合 · 评估组合优化后的精度恢复效果
高级主题量化感知训练
24
高级主题
针对Transformer/注意力机… · TinyViT）
高级主题Transformer
25
实战项目
从零构建一个TinyML图像分类器 · 完成QAT训练前后精度评估全流程 · 并撰写报告
实战项目TinyML
26
实战项目
在真实MCU（如Arduino Na… · 测量实际精度与性能
实战项目MCU
27
实战项目
对比PTQ与QAT在相同模型上的精度… · 分析差异原因并给出选择建议
实战项目PTQ
28
综合提升
设计一套完整的精度恢复评估体系 · 包括指标 · 流程
综合提升设计一套完整的精…
29
综合提升
探索QAT在边缘场景中的最佳实践 · 如低功耗 · 实时性要求下的精度与速度平衡
综合提升QAT
30
课程总结与展望
回顾核心知识点 · 总结QAT精度恢复评估的关键要点 · 讨论未来趋势（如自动化QAT
课程总结回顾核心知识点