VIP20
本课程属于：032-Edge AI OpenVINO部署优化 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

OpenVINO从PyTorch模型到板端部署全流程

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 · 课程结构 · 适用人群
课程导入学习目标
02
PyTorch模型基础
张量操作 · 模型定义 · 训练与保存（state_dict
PyTorch模型基础
03
OpenVINO概述
什么是OpenVINO · 主要组件（Model Optimiz… · Inference Engine
OpenVINO什么是
04
模型转换准备
PyTorch模型导出为ONNX的步… · 注意事项（动态轴 · 算子兼容性）
模型转换准备PyTorch
05
ONNX模型检查与优化
使用Netron可视化 · onnxruntime验证 · 简化模型（onnx-simplifi…
ONNX模型检查
06
OpenVINO模型转换
使用mo工具将ONNX转为IR格式（… · 命令行参数详解
OpenVINO模型转换
07
IR模型结构解析
IR文件格式 · 权重与拓扑 · 元数据信息
IR模型结构解析
08
OpenVINO Runtime推理
Python API加载IR模型 · 配置设备（CPU/GPU/VPU） · 执行推理
OpenVINORuntime
09
推理结果后处理
输出张量解析 · softmax · 分类/检测/分割结果可视化
推理结果后处理输出张量解析
10
性能优化基础
同步/异步推理 · 批处理 · 吞吐量模式
性能优化基础同步
11
模型量化与压缩
FP16 · INT8量化原理 · 使用NNCF或Post-traini…
模型量化压缩
12
OpenVINO集成部署
将推理封装为服务（REST API） · 集成到现有应用
OpenVINO集成部署
13
板端部署硬件介绍
Intel NUC · Raspberry Pi（带VPU） · Jetson（非官方但可参考）
板端部署硬件介绍Intel
14
板端环境搭建
安装OpenVINO Runtime · 配置依赖 · 交叉编译注意事项
板端环境搭建OpenVINO
15
板端推理实战
在树莓派+Intel Movidiu…
板端推理实战Intel
16
模型精度评估
在板端验证精度 · 对比PyTorch原始结果 · 误差分析
模型精度评估板端验证精度
17
多模型流水线
多个模型串联（检测+分类） · 内存管理 · 调度优化
多模型流水线多个模型串联
18
动态输入处理
动态batch · 动态分辨率 · OpenVINO动态形状支持
动态输入处理batch
19
模型更新与热加载
运行时切换模型 · 模型版本管理
模型更新热加载
20
常见错误与调试
转换失败 · 推理崩溃 · 性能瓶颈
常见错误调试
21
案例实战一
图像分类（ResNet50）从PyT…
案例实战一ResNet50
22
案例实战二
目标检测（YOLOv5）转换 · 优化 · 板端部署
案例实战二YOLOv5
23
案例实战三
语义分割（UNet）在医疗影像上的部…
案例实战三UNet
24
案例实战四
自然语言处理（BERT）模型转换与部…
案例实战四BERT
25
案例实战五
实时视频流处理（摄像头输入 · 推理 · 显示）
案例实战五实时视频流处理
26
性能调优进阶
使用Benchmark Tool · Profiling · 内存优化
性能调优进阶Benchmark
27
安全与可靠性
模型加密 · 防篡改 · 异常处理
安全可靠性
28
项目实战
从需求分析到板端交付的完整项目流程（… · 测试）
项目实战从需求分析到板端…
29
常见问题解答
模型转换失败 · 精度下降 · 速度慢
常见问题解答模型转换失败
30
课程总结与进阶方向
OpenVINO生态 · 边缘AI趋势 · 学习资源推荐
课程总结进阶方向