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

TFLite Micro模型剪枝部署实操课程资料

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

学习目标 · 课程适用人群 · TFLite Micro与模型剪枝的…

课程导入学习目标

嵌入式AI与TFLite Micro基础

嵌入式系统资源限制 · TFLite Micro架构与工作流… · 与TFLite的差异

模型剪枝核心概念

剪枝的定义 · 结构化剪枝与非结构化剪枝 · 稀疏度与压缩率

模型剪枝核心概念剪枝的定义

剪枝方法分类

权重剪枝 · 神经元剪枝 · 通道剪枝

剪枝方法分类权重剪枝

剪枝算法原理

基于幅度的剪枝 · 基于梯度的剪枝 · 正则化剪枝

剪枝算法原理基于幅度的剪枝

剪枝流程与工具链

从训练到剪枝再到微调的标准流程 · 常用Python库（TensorFl… · Keras pruning API）…

剪枝流程工具链

TFLite Micro模型转换与量化基础

模型转换为TFLite格式 · 动态范围量化 · 全整数量化

环境搭建与工具安装

安装TensorFlow · TFLite Micro依赖 · 搭建嵌入式开发环境（Arduino

环境搭建工具安装

第一个剪枝实战

使用Keras构建简单MNIST模型 · 应用权重剪枝 · 导出稀疏模型并评估精度与稀疏度

第一个剪枝实战Keras

剪枝参数调优

剪枝计划（PruningSchedu… · 目标稀疏度 · 剪枝频率

剪枝参数调优PruningSched…

微调与恢复精度

剪枝后模型精度下降的原因 · 微调策略 · 学习率调整

微调恢复精度

结构化剪枝实战

对CNN模型进行通道剪枝 · 使用TensorFlow Model…

结构化剪枝实战CNN

剪枝与量化联合优化

先剪枝后量化 · 量化感知剪枝 · 联合训练策略

剪枝量化联合优化

TFLite Micro模型转换与部署流程

将剪枝量化后的模型转换为TFLite… · 生成C++数组 · 集成到TFLite Micro解释器

TFLite Micro运行时内存管理

解释器内存分配 · Tensor Arena配置 · 优化内存占用

模型部署到嵌入式设备

以Arduino/ESP32为例 · 烧录模型 · 运行推理

模型部署到嵌入式…Arduino/ESP3…

剪枝模型在TFLite Micro上的性能评估

测量推理时间 · 内存占用 · 功耗

常见问题与调试技巧

剪枝后模型不兼容 · 转换失败 · 推理结果错误

常见问题调试技巧

图像分类模型剪枝部署 · 完整实现训练 · 剪枝

案例实战图像分类模型剪枝…

语音关键词识别（KWS）模型剪枝部署 · 进行剪枝优化并部署

案例实战KWS

异常检测模型剪枝部署：基于传感器数据 · 构建小型自编码器或LSTM · 剪枝后部署到低功耗设备

案例实战异常检测模型剪枝…

剪枝与模型架构设计

设计适合剪枝的轻量级模型 · 深度可分离卷积 · 模型缩放

剪枝模型架构设计

高级剪枝技术

自动剪枝（AutoML） · 基于强化学习的剪枝 · 彩票假设

高级剪枝技术AutoML

TFLite Micro的硬件加速与优化

使用CMSIS-NN · XNNPACK · 硬件特定优化

模型安全性与鲁棒性

剪枝对模型鲁棒性的影响 · 对抗攻击 · 剪枝模型的安全性评估

模型安全性鲁棒性

端到端智能家居设备：从需求分析 · 模型选择 · 剪枝量化

项目实战端到端智能家居设…

可穿戴健康监测 · 构建分类模型 · 剪枝部署到可穿戴设备

项目实战可穿戴健康监测

课程总结与知识体系梳理

回顾所有核心知识点 · 实战技能 · 常见误区

课程总结知识体系梳理

给定一个资源受限场景 · 设计并实现一个剪枝部署方案 · 要求满足精度

综合挑战给定一个资源受限…

未来趋势与拓展

TFLite Micro生态发展 · 新型剪枝算法 · 硬件协同设计

未来趋势拓展