VIP20
本课程属于：010-TinyML模型剪枝与稀疏化 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剪枝稀疏化从实验到端侧部署

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 · 边缘AI与模型压缩的总体概览
课程导入学习目标
02
边缘AI基础
边缘计算概念 · 端侧硬件特性（CPU/GPU/NPU… · 模型部署挑战
AI边缘
03
模型压缩技术全景
剪枝 · 稀疏化 · 量化
模型压缩技术全景剪枝
04
剪枝基础
结构化剪枝与非结构化剪枝的定义 · 优缺点 · 典型应用
剪枝基础结构化剪枝
05
剪枝粒度与模式
细粒度 · 向量级 · 核级
剪枝粒度模式
06
剪枝准则
基于权重幅度 · 梯度 · 激活
剪枝准则基于权重幅度
07
经典剪枝算法
LeCun的OBD · Han的Deep Compressi… · Learning Efficient…
经典剪枝算法LeCun
08
稀疏化基础
稀疏张量表示 · 稀疏度定义 · 稀疏模式（不规则/结构化/块状）
稀疏化基础稀疏张量表示
09
稀疏训练方法
动态稀疏训练 · 稀疏正则化（L1 · L0
稀疏训练方法动态稀疏训练
10
剪枝与稀疏化流程
训练-剪枝-微调 · 训练时剪枝 · 彩票假设（Lottery Ticke…
剪枝稀疏化流程
11
剪枝率与性能权衡
如何选择剪枝比例 · 评估指标（精度 · FLOPs
剪枝率性能权衡
12
实验环境搭建
PyTorch/TensorFlow… · 数据集准备 · 基线模型训练与评估
实验环境搭建PyTorch/Tens…
13
PyTorch剪枝实战
使用torch.nn.utils.p… · 通道剪枝及恢复
PyTorch剪枝实战
14
自定义剪枝实现
编写剪枝函数 · mask管理 · 梯度处理
自定义剪枝实现编写剪枝函数
15
稀疏化训练实战
使用稀疏库（如DeepSpeed · Triton）或自定义mask更新策…
稀疏化训练实战DeepSpeed
16
模型微调与恢复
剪枝后微调技巧 · 学习率调度 · 防止精度崩溃
模型微调恢复
17
评估与调试
剪枝后模型的可视化 · 稀疏度分布分析 · 错误分析
评估调试
18
结构化剪枝进阶
通道剪枝的BN缩放因子方法 · Slimmable Networks · AMC
结构化剪枝进阶BN
19
自动化剪枝
基于强化学习 · 遗传算法 · 可微搜索的剪枝策略
自动化剪枝基于强化学习
20
端侧部署基础
ONNX导出 · 模型转换（TFLite · CoreML
端侧部署基础ONNX
21
稀疏模型推理优化
稀疏矩阵乘法 · 稀疏卷积实现 · 专用指令集（如AVX
稀疏模型推理优化稀疏矩阵乘法
22
端侧推理框架实践
使用NCNN/MNN/TFLite部… · 对比性能
端侧推理框架实践NCNN/MNN/TFL…
23
硬件加速器适配
NPU/DSP对稀疏模型的支持 · 稀疏模式约束 · 量化协同
硬件加速器适配NPU/DSP
24
案例实战
MobileNet剪枝稀疏化并部署到… · 实现实时推理
案例实战MobileNet
25
案例实战
YOLO系列目标检测模型剪枝稀疏化 · 在树莓派/Jetson上部署
案例实战YOLO
26
案例实战
Transformer/BERT模型… · 在手机端部署问答系统
案例实战Transformer/…
27
常见问题与调优
精度下降 · 训练不稳定 · 稀疏度不达标
常见问题调优
28
工具链与生态
OpenVINO · TensorRT · TVM对稀疏模型的支持与优化
工具链生态
29
综合项目
从零构建一个剪枝稀疏化流水线 · 覆盖训练 · 压缩
综合项目从零构建一个剪枝…
30
课程总结与进阶方向
前沿研究（动态稀疏 · 神经架构搜索） · 边缘AI趋势
课程总结进阶方向