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

TinyML剪枝后精度恢复与微调训练课程

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
TinyML与模型剪枝概述 · 学习目标 · 课程整体框架与学习路径
课程导入TinyML
02
TinyML基础
嵌入式机器学习的特点 · 资源约束 · 典型应用场景与硬件平台
TinyML嵌入式机器学习的…
03
模型剪枝基础
剪枝的定义 · 类型（结构化/非结构化） · 剪枝粒度与常见术语
模型剪枝基础剪枝的定义
04
剪枝对模型的影响
精度下降原因分析 · 权重分布变化 · 稀疏性与模型容量关系
剪枝对模型的影响精度下降原因分析
05
精度恢复核心概念
什么是精度恢复 · 微调训练的作用 · 与从头训练的区别
精度恢复核心概念什么是精度恢复
06
微调训练基础
迁移学习与微调原理 · 学习率策略 · 损失函数调整
微调训练基础迁移学习
07
剪枝后模型评估
评估指标（准确率 · F1 · 模型大小
剪枝后模型评估评估指标
08
数据准备与增强
剪枝后微调的数据集划分 · 数据增强技术 · 类别不平衡处理
数据准备增强
09
微调训练流程
从加载预训练剪枝模型到设置训练参数 · 执行微调的完整流程
微调训练流程从加载预训练剪枝…
10
学习率调度
学习率选择 · 余弦退火 · warmup策略在微调中的应用
学习率调度学习率选择
11
正则化与防过拟合
权重衰减 · Dropout · 早停法在微调中的使用
正则化防过拟合
12
知识蒸馏辅助恢复
利用教师模型提升剪枝学生模型精度的方…
知识蒸馏辅助恢复利用教师模型提升…
13
量化感知微调
结合量化技术进行微调 · 实现精度与压缩的平衡
量化感知微调结合量化技术进行…
14
结构化剪枝恢复
通道剪枝 · 滤波器剪枝后的微调策略与技巧
结构化剪枝恢复通道剪枝
15
非结构化剪枝恢复
稀疏训练 · 动态稀疏训练在精度恢复中的应用
非结构化剪枝恢复稀疏训练
16
迭代剪枝与微调
循环剪枝-微调策略 · 逐步提升压缩率
迭代剪枝微调
17
案例实战
基于MobileNet的剪枝后微调（…
案例实战MobileNet
18
案例实战
基于MCUNet的剪枝后精度恢复（使…
案例实战MCUNet
19
案例实战
语音唤醒词模型剪枝后微调（使用Edg…
案例实战Edg
20
案例实战
图像分类模型在Arduino上的剪枝…
案例实战Arduino
21
工具链使用
TensorFlow Model O… · PyTorch Pruning · OpenVINO
工具链使用TensorFlow
22
自动化调参
使用Optuna或GridSearc…
自动化调参Optuna
23
常见问题与解决
精度不恢复 · 训练不稳定 · 过拟合
常见问题解决
24
模型部署与验证
将微调后模型部署到MCU · 验证实际精度与性能
模型部署验证
25
精度与资源权衡
如何根据硬件约束选择剪枝率与微调策略
精度资源权衡
26
高级技巧
渐进式剪枝 · 彩票假设 · 稀疏训练中的梯度处理
高级技巧渐进式剪枝
27
综合项目
端到端TinyML剪枝后微调流程（从…
综合项目TinyML
28
性能优化
微调训练加速 · 内存优化 · 边缘设备上的训练限制
性能优化微调训练加速
29
最佳实践与经验总结
行业案例 · 常见误区 · 成功要点
最佳实践经验总结
30
课程总结与进阶方向
回顾核心知识 · 推荐学习资源与未来趋势
课程总结进阶方向