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

MobileNet Tiny模型剪枝与参数量压缩课程

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 · 课程适用人群 · MobileNet Tiny模型简介
课程导入学习目标
02
深度学习模型压缩基础
模型压缩的常见方法（剪枝 · 量化 · 蒸馏
深度学习模型压缩…模型压缩的常见方…
03
MobileNet Tiny模型结构详解
深度可分离卷积 · 宽度乘子 · 分辨率乘子
MobileNetTiny
04
剪枝基础概念
结构化剪枝与非结构化剪枝 · 细粒度剪枝与粗粒度剪枝 · 剪枝粒度对硬件加速的影响
剪枝基础概念结构化剪枝
05
剪枝数学原理
权重重要性评估方法（L1/L2范数 · 泰勒展开 · BN缩放因子）
剪枝数学原理L1/L2
06
训练后剪枝（Post-training Pruning）
方法流程 · 优缺点 · 适用场景
Post-trainin…Pruning
07
训练感知剪枝（Training-aware Pruning）
剪枝与训练结合 · 重训练策略 · 学习率调整
Training-awa…Pruning
08
动态剪枝与自动剪枝
基于强化学习的剪枝 · 可微分剪枝 · AutoML剪枝工具（如AMC
动态剪枝自动剪枝
09
通道剪枝（Channel Pruning）
通道重要性评估 · 通道选择算法 · 剪枝后模型重构
ChannelPruning
10
结构化剪枝实战
使用PyTorch对MobileNe… · 通道剪枝 · 层剪枝的代码实现
结构化剪枝实战PyTorch
11
非结构化剪枝实战
权重稀疏化 · 稀疏矩阵存储 · 推理加速库（如OpenBLAS
非结构化剪枝实战权重稀疏化
12
剪枝工具与框架
TorchPruning · NVIDIA TensorRT · Intel OpenVINO
剪枝工具框架
13
参数量压缩方法
低秩分解（SVD · CP分解） · 矩阵分解在MobileNet Tin…
参数量压缩方法SVD
14
量化与剪枝结合
量化感知训练 · 混合精度量化 · 剪枝后量化流程
量化剪枝结合
15
知识蒸馏与剪枝结合
教师-学生网络 · 蒸馏损失设计 · 剪枝后蒸馏恢复精度
知识蒸馏剪枝结合
16
模型压缩评估体系
精度 · 参数量 · 计算量（FLOPs）
模型压缩评估体系精度
17
MobileNet Tiny剪枝案例分析
从公开模型（如ImageNet预训练…
MobileNetTiny
18
剪枝后模型微调技巧
学习率调度 · 数据增强 · 正则化
剪枝后模型微调技…学习率调度
19
剪枝与硬件部署
边缘设备（MCU · FPGA · 手机NPU）对剪枝模型的要求
剪枝硬件部署
20
剪枝常见问题与调试
精度骤降 · 训练不稳定 · 剪枝后模型失效
剪枝常见问题调试
21
剪枝与模型架构搜索（NAS）
可微分NAS · 剪枝与NAS联合搜索 · 在MobileNet Tiny上的应…
NAS剪枝
22
剪枝在目标检测与语义分割中的应用
以MobileNet Tiny为骨干…
剪枝目标检测
23
剪枝与联邦学习、边缘计算结合
分布式场景下的模型压缩 · 通信开销优化
剪枝联邦学习
24
剪枝最新研究进展
2023-2025年顶会论文中的剪枝… · 动态稀疏 · 硬件感知剪枝）
剪枝最新研究进展2023
25
综合实战项目
从零开始对MobileNet Tin… · 压缩 · 微调
综合实战项目MobileNet
26
剪枝代码调试与优化
使用PyTorch · TensorFlow等框架的调试技巧 · 性能分析工具（如profiler）
剪枝代码调试优化
27
剪枝模型的可视化与解释
特征图可视化 · 权重分布分析 · 剪枝前后对比
剪枝模型的可视化解释
28
剪枝与模型安全
对抗攻击下的鲁棒性 · 剪枝对模型公平性的影响 · 安全评估
剪枝模型安全
29
课程总结与知识图谱
核心概念回顾 · 方法对比 · 学习路径推荐
课程总结知识图谱
30
综合考核与项目答辩
设计一个MobileNet Tiny… · 完成压缩任务 · 并撰写技术报告与答辩
综合考核项目答辩