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稀疏模型文件大小压缩与加载评估

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背景 · 稀疏模型的意义 · 课程目标与学习路径
课程导入TinyML
02
TinyML基础
微控制器资源限制 · 典型应用场景 · 模型部署挑战
TinyML微控制器资源限制
03
模型稀疏化基础
权重稀疏 · 激活稀疏 · 结构化稀疏与非结构化稀疏
模型稀疏化基础权重稀疏
04
稀疏化方法
剪枝 · 量化 · 低秩分解
稀疏化方法剪枝
05
剪枝技术详解
细粒度剪枝 · 通道剪枝 · 迭代剪枝与自动剪枝
剪枝技术详解细粒度剪枝
06
量化技术详解
定点量化 · 混合精度量化 · 训练后量化与量化感知训练
量化技术详解定点量化
07
稀疏与量化结合
联合优化策略 · 稀疏量化模型的设计与实现
稀疏量化结合
08
文件格式与存储
常见模型格式（如TFLite · ONNX · H5）及其稀疏表示
文件格式存储
09
稀疏编码与压缩算法
游程编码 · 霍夫曼编码 · 稀疏矩阵存储格式（CSR/CSC）
稀疏编码压缩算法
10
模型文件大小评估
模型大小度量指标 · 稀疏率与压缩率的关系
模型文件大小评估模型大小度量指标
11
压缩工具与框架
TensorFlow Lite · PyTorch · Apache TVM
压缩工具框架
12
模型加载流程
从文件到内存的加载过程 · 解析稀疏结构 · 内存映射
模型加载流程从文件到内存的加…
13
运行时内存管理
稀疏模型的内存占用分析 · 动态内存分配与静态内存规划
运行时内存管理稀疏模型的内存占…
14
推理性能评估
延迟 · 吞吐量 · 能耗与内存带宽的测量方法
推理性能评估延迟
15
硬件适配
不同MCU架构（ARM Cortex… · RISC-V）对稀疏模型的支持
硬件适配MCU
16
案例实战
基于TinyML的语音唤醒词稀疏模型…
案例实战TinyML
17
案例实战
基于TinyML的图像分类稀疏模型压…
案例实战TinyML
18
案例实战
基于TinyML的异常检测稀疏模型压…
案例实战TinyML
19
常见问题与调试
稀疏模型加载失败 · 精度损失 · 性能瓶颈的排查
常见问题调试
20
模型优化与调参
稀疏率 · 量化位宽 · 剪枝策略的权衡与调优
模型优化调参
21
端到端流程
从训练到部署的完整稀疏模型压缩与加载…
端到端流程从训练到部署的完…
22
评估指标体系
模型大小 · 精度 · 推理时间
评估指标体系模型大小
23
基准测试与对比
不同压缩方法在多个模型和硬件上的对比…
基准测试对比
24
前沿进展
动态稀疏 · 神经架构搜索 · 自动化机器学习在TinyML中的应用
前沿进展动态稀疏
25
开源资源与社区
常用数据集 · 预训练模型 · 开源工具与学习资源
开源资源社区
26
项目实战
设计一个完整的稀疏模型压缩与加载评估…
项目实战设计一个完整的稀…
27
项目实战
优化一个现有TinyML模型 · 实现文件大小减少50%且精度损失小于…
项目实战TinyML
28
综合提升
如何根据实际需求选择压缩策略 · 设计评估方案
综合提升如何根据实际需求…
29
综合提升
稀疏模型在边缘设备上的部署最佳实践与…
综合提升稀疏模型
30
课程总结
核心知识点回顾 · 常见误区 · 未来发展趋势与学习建议
课程总结核心知识点回顾