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模型瘦身剪枝与稀疏化训练指南

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 · Edge AI模型瘦身剪枝与稀疏化的…
课程导入学习目标
02
Edge AI基础
边缘计算与AI推理的特点 · 资源约束 · 典型应用场景（如手机
EdgeAI
03
模型压缩概览
剪枝 · 量化 · 蒸馏
模型压缩概览剪枝
04
剪枝基础
剪枝的定义 · 分类（结构化/非结构化 · 细粒度/粗粒度）
剪枝基础剪枝的定义
05
剪枝原理
权重重要性评估方法（L1/L2范数 · 泰勒展开 · Hessian近似
剪枝原理L1/L2
06
非结构化剪枝
细粒度权重剪枝 · 稀疏矩阵存储格式（CSR/CSC） · 实际加速效果与局限
非结构化剪枝细粒度权重剪枝
07
结构化剪枝
通道剪枝 · 滤波器剪枝 · 核剪枝
结构化剪枝通道剪枝
08
剪枝流程与策略
训练后剪枝 · 训练中剪枝 · 迭代剪枝与微调
剪枝流程策略
09
剪枝经典方法
ThiNet · Network Slimming · Slimmable Networks
剪枝经典方法ThiNet
10
剪枝实战（PyTorch）
基于TorchPruning或自定义…
PyTorch剪枝实战
11
剪枝实战（TensorFlow）
使用TensorFlow Model…
TensorFlow剪枝实战
12
剪枝实战（ONNX/推理引擎）
将剪枝模型导出为ONNX · 并在TensorRT/OpenVIN…
ONNX剪枝实战
13
稀疏化基础
稀疏化定义 · 稀疏训练与剪枝的关系 · 稀疏度与模型性能的权衡
稀疏化基础稀疏化定义
14
稀疏化训练方法
稀疏正则化（L1 · Lasso） · 动态稀疏训练（DSR）
稀疏化训练方法L1
15
稀疏化训练框架
DeepSpeed · NVIDIA ASP · PyTorch稀疏训练工具等使用与配…
稀疏化训练框架DeepSpeed
16
稀疏化训练实战
在CIFAR-10/ImageNet… · 并评估精度与稀疏度
稀疏化训练实战CIFAR-10/Ima…
17
剪枝与稀疏化的结合
先剪枝后稀疏 · 联合训练 · 稀疏再剪枝等混合策略
剪枝稀疏化的结合
18
硬件加速与稀疏计算
GPU/CPU/NPU对稀疏模型的支… · 稀疏卷积/全连接实现原理
硬件加速稀疏计算
19
模型瘦身与部署
剪枝后模型大小计算 · 内存占用优化 · 推理延迟与吞吐量评估
模型瘦身部署
20
案例实战（图像分类）
MobileNetV3/YOLOv5…
案例实战图像分类
21
案例实战（目标检测）
YOLOv5/YOLOv8的通道剪枝… · 并对比mAP与速度
案例实战目标检测
22
案例实战（语义分割）
DeepLabV3/UNet的剪枝与… · 在Jetson等平台上的性能测试
案例实战语义分割
23
案例实战（NLP/Transformer）
BERT/TinyBERT的剪枝与稀… · 以及边缘端部署
NLP/Transfor…案例实战
24
剪枝与量化协同
剪枝+量化联合优化流程 · 注意事项与工具链（如TensorRT · TFLite）
剪枝量化协同
25
常见问题与调试
剪枝后精度骤降 · 稀疏训练不收敛 · 加速不明显等问题的诊断与解决
常见问题调试
26
模型评估与验证
剪枝后模型鲁棒性 · 公平性 · 对抗攻击影响
模型评估验证
27
自动化与工具链
AutoML剪枝 · NNI · Optuna等自动化压缩工具的使用与…
自动化工具链
28
工业实践与经验
边缘AI项目中的模型压缩流程 · 团队协作 · 版本管理与持续集成
工业实践经验
29
综合项目实战
从预训练模型出发 · 完成剪枝 · 稀疏化
综合项目实战从预训练模型出发
30
课程总结与进阶
知识体系回顾 · 前沿方向（如神经架构搜索 · 动态推理）
课程总结进阶