首页
›
工业控制与工业互联网
›
017-NXP eIQ边缘AI部署
›
《NXP eIQ平台TinyML模型训练到落地全流程课程》
VIP20
本课程属于:017-NXP eIQ边缘AI部署
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
📘
NXP eIQ平台TinyML模型训练到落地全流程课程
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NXP eIQ平台概述 · 学习目标 · 课程整体框架与适用硬件介绍
课程导入
TinyML
02
嵌入式机器学习基础
TinyML核心概念 · 模型量化与剪枝原理 · 边缘设备资源约束分析
嵌入式机器学习基…
TinyML
03
NXP eIQ平台全景
eIQ Toolkit · eIQ Inference · eIQ Portal等组件功能与工作…
NXP
eIQ
04
开发环境搭建
安装MCUXpresso SDK · eIQ工具链 · 配置交叉编译环境与调试工具
开发环境搭建
MCUXpresso
05
硬件平台选型
i.MX RT系列 · LPC系列 · MCX系列等NXP MCU的算力
硬件平台选型
i.MX
06
数据采集与预处理
传感器数据采集 · 数据清洗 · 归一化
数据采集
预处理
07
模型选择与设计
面向MCU的轻量级神经网络架构(如M… · TinyML专用模型)选择
模型选择
设计
08
模型训练基础
使用TensorFlow/Keras… · 设置训练超参数与损失函数
模型训练基础
TensorFlow/K…
09
模型量化技术
训练后量化(PTQ)与量化感知训练(… · 步骤与精度影响
模型量化技术
PTQ
10
模型剪枝与压缩
权重剪枝 · 通道剪枝 · 知识蒸馏等模型压缩方法在eIQ中的应…
模型剪枝
压缩
11
eIQ Portal实战
使用eIQ Portal进行模型导入 · 转换 · 量化与性能评估的完整操作
eIQ
Portal
12
模型转换与部署
将TensorFlow Lite模型… · 生成C数组或二进制文件
模型转换
部署
13
eIQ Inference集成
在MCUXpresso工程中集成eI… · 调用API执行模型推理
eIQ
Inference
14
内存优化与缓冲区管理
在MCU上管理激活缓冲区 · 权重存储与内存池 · 避免内存溢出
内存优化
缓冲区管理
15
性能优化与基准测试
使用eIQ基准测试工具测量推理时间 · 内存占用与功耗 · 并优化
性能优化
基准测试
16
案例实战
基于i.MX RT1060的语音关键…
案例实战
i.MX
17
案例实战
基于MCX N947的视觉物体检测(…
案例实战
MCX
18
案例实战
基于LPC5500的异常检测(如振动…
案例实战
LPC5500
19
传感器融合与多模型管理
在单一MCU上部署多个模型 · 实现传感器融合与任务调度
传感器融合
多模型管理
20
边缘端持续学习
在设备端进行增量学习或在线更新的方法…
边缘端持续学习
设备端进行增量学…
21
常见问题与调试技巧
模型精度下降 · 推理崩溃 · 内存不足等问题的诊断与解决
常见问题
调试技巧
22
功耗优化策略
低功耗模式 · 事件驱动推理 · 模型唤醒机制与功耗测量
功耗优化策略
低功耗模式
23
安全与隐私
模型加密 · 防篡改 · 数据隐私保护在TinyML部署中的实…
安全
隐私
24
OTA模型更新
通过无线方式更新MCU上的模型 · 实现远程升级与版本管理
OTA
模型更新
25
与云平台集成
将NXP设备与AWS IoT · Azure IoT等云服务连接 · 实现端云协同
云平台集成
NXP
26
自动化MLOps
使用CI/CD流水线自动化模型训练 · 验证 · 部署到NXP设备的流程
MLOps
自动化
27
综合项目实战
设计一个完整的TinyML产品(如智… · 涵盖需求分析到量产
综合项目实战
TinyML
28
性能调优进阶
利用NPU/DSP加速单元 · 指令优化 · 算子融合等高级优化技术
性能调优进阶
NPU/DSP
29
生态与社区资源
NXP官方文档 · GitHub示例 · 社区论坛
生态
社区资源
30
课程总结与未来展望
回顾全流程关键点 · 探讨TinyML与NXP eIQ的发…
课程总结
未来展望
所属VIP或分类
同VIP:NXP-eIQ-Toolkit模型转换与部署流程指南
同VIP:NXP-eIQ与MCUXpresso工程集成实操课程
同VIP:NXP-eIQ在i.MX-RT平台上的推理加速实战