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

TFLite Micro上实现QAT量化感知训练完整教程

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
学习目标 · 目标学员 · 课程前置要求
课程导入学习目标
02
嵌入式AI与TFLite Micro概述
TFLite Micro的定位 · 架构 · 支持硬件
AITFLite
03
量化基础
模型量化原理 · 定点与浮点表示 · 量化参数（scale/zero_po…
量化基础模型量化原理
04
量化误差来源
权重与激活量化的误差 · 异常值影响 · 量化噪声对模型精度的影响及缓解策略
量化误差来源权重
05
量化感知训练（QAT）原理
QAT与训练后量化（PTQ）对比 · 伪量化节点 · 直通估计器（STE）与梯度近似
QAT量化感知训练
06
QAT在TFLite生态中的位置
TensorFlow QAT API · TFLite转换器 · TFLite Micro部署流程及工…
QATTFLite
07
环境搭建
安装TensorFlow · TFLite Micro依赖 · 交叉编译工具链
环境搭建TensorFlow
08
准备数据集与模型
选择适合MCU的小型模型（如Mobi… · DS-CNN） · 数据预处理
准备数据集模型
09
TensorFlow QAT API入门
使用tfmot.quantizati… · QuantizeConfig · 伪量化层配置
TensorFlowQAT
10
QAT训练流程
加载预训练模型 · 应用QAT · 设置训练超参数
QAT训练流程
11
QAT模型评估
在验证集上评估量化模拟模型精度 · 对比原始模型 · 分析量化敏感层
QAT模型评估
12
模型转换与量化
将QAT模型转换为TFLite格式 · 设置优化选项 · 生成全整数量化模型
模型转换量化
13
TFLite Micro部署准备
模型转换为C数组 · 内存规划 · 算子兼容性检查
TFLiteMicro
14
TFLite Micro推理实现
编写C++推理代码 · 输入输出张量处理 · 运行推理
TFLiteMicro
15
端到端实战（一）
在模拟器上部署图像分类模型（如CIF… · 完成从训练到推理全流程
端到端实战CIF
16
端到端实战（二）
在真实开发板（如ESP32-CAM）… · 处理摄像头输入 · 实时推理与性能调优
端到端实战ESP32-CAM
17
QAT超参数调优
学习率 · 量化感知训练轮数 · 批大小
QAT超参数调优
18
处理量化敏感层
识别对量化敏感的层（如深度可分离卷积 · BN层） · 使用部分量化或混合精度策略
处理量化敏感层识别对量化敏感的…
19
QAT与剪枝/蒸馏结合
结构化剪枝 · 知识蒸馏与QAT联合使用 · 进一步压缩模型并保持精度
QAT剪枝
20
TFLite Micro算子支持与自定义算子
检查算子支持列表 · 处理不支持的算子 · 实现自定义算子并注册
TFLiteMicro
21
内存优化与性能调优
arena内存配置 · 算子融合 · 缓存优化
内存优化性能调优
22
调试与验证
使用TFLite模型分析工具 · 打印中间张量 · 对比浮点与量化输出
调试验证
23
常见问题与解决方案
QAT训练不收敛 · 量化后精度骤降 · 模型太大无法部署
常见问题解决方案
24
QAT在TFLite Micro上的最佳实践
数据增强 · 批归一化折叠 · 量化范围校准
QATTFLite
25
案例实战
关键词唤醒（KWS）模型QAT部署
案例实战KWS
26
案例实战
异常检测/传感器分类模型QAT部署 · 处理时序输入与量化
案例实战QAT
27
案例实战
物体检测模型（如MobileNet… · 非极大值抑制在MCU上的实现
案例实战MobileNet
28
综合项目
设计一个完整的TFLite Micr… · 涵盖需求分析 · 模型设计
综合项目TFLite
29
课程总结与进阶方向
回顾核心知识点 · 常见陷阱 · 未来趋势（如混合精度
课程总结进阶方向
30
结课考核与实战挑战
完成一个自选场景的QAT部署项目 · 提交报告与代码 · 评估精度
结课考核实战挑战