VIP20

本课程属于：033-Edge AI RKNN模型转换 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图像分类模型转RKNN部署项目实战

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

TinyML与RKNN部署的行业背景 · 学习目标 · 课程整体框架与实战项目预览

课程导入TinyML

TinyML的定义 · 特点 · 典型应用场景（如智能家居

TinyML的定义

图像分类基础

图像分类任务定义 · 常用数据集（CIFAR-10 · ImageNet等）

图像分类基础图像分类任务定义

卷积神经网络（CNN）核心

卷积层 · 池化层 · 全连接层

CNN卷积神经网络

轻量级模型选型

MobileNet · EfficientNet-Lite · ShuffleNet等轻量级网络的结…

轻量级模型选型MobileNet

模型训练环境搭建

Python环境 · PyTorch/TensorFlow… · GPU/CPU训练配置

模型训练环境搭建Python

图像分类模型训练实战

使用PyTorch训练一个简单的CN… · 包括数据加载 · 训练循环

图像分类模型训练…PyTorch

模型量化基础

量化原理（FP32转INT8） · 量化类型（PTQ · QAT）

模型量化基础FP32

RKNN工具链介绍

RKNN-Toolkit2的功能 · 支持芯片（RK3566/RK3588… · 安装与配置

RKNN工具链介绍

RKNN模型转换流程

从PyTorch/TensorFlo… · 再转换为RKNN格式的完整步骤

RKNN模型转换流程

ONNX模型导出与优化

使用torch.onnx.expor… · 处理动态轴 · 算子兼容性

ONNX模型导出

RKNN-Toolkit2转换实战

编写Python脚本调用RKNN-T… · 配置输入输出 · 量化参数

RKNN-Toolkit…转换实战

RKNN模型精度评估

使用验证集评估转换后模型的精度 · 对比原始模型 · 分析精度损失原因

RKNN模型精度评估

RKNN模型性能优化

针对RKNN的算子融合 · 内存布局 · 多线程推理等优化策略

RKNN模型性能优化

RKNN部署环境搭建

在开发板（如RK3568）上安装RK… · 配置交叉编译环境

RKNN部署环境搭建

RKNN C API使用

初始化RKNN上下文 · 加载模型 · 设置输入输出

RKNN Python API使用

在开发板上使用Python调用RKN… · 实现图像分类推理

摄像头实时图像分类实战

连接USB摄像头或CSI摄像头 · 实时采集图像并进行分类显示

摄像头实时图像分…USB

图像预处理与后处理

图像缩放 · 归一化 · 通道转换（RGB/BGR）

图像预处理后处理

模型部署到嵌入式Linux

将RKNN模型和推理代码打包 · 部署到嵌入式Linux系统 · 实现开机自启动

Linux模型部署到嵌入式

边缘端性能测试

测量推理时间 · CPU占用 · 内存占用

边缘端性能测试测量推理时间

常见问题排查

RKNN转换失败 · 精度下降 · 推理速度慢

常见问题排查RKNN

模型压缩与剪枝

在TinyML场景下使用剪枝 · 知识蒸馏等方法进一步压缩模型 · 适配RKNN

模型压缩剪枝

多模型集成与流水线

在RKNN上部署多个模型（如检测+分… · 优化流水线

多模型集成流水线

RKNN模型加密与保护

模型加密方法 · RKNN的模型保护机制 · 防止模型被非法复制

RKNN模型加密

智能垃圾分类系统：从数据采集 · 模型训练 · RKNN转换到部署的完整项目

项目实战智能垃圾分类系统

嵌入式植物识别系统 · 实现离线识别

项目实战嵌入式植物识别系…

低功耗图像分类设备 · 设计电池供电的智能传感器

项目实战低功耗图像分类设…

从单模型到多场景 · 语义分割等任务

综合提升从单模型到多场景

课程总结与进阶方向

回顾核心知识点 · 探讨TinyML与RKNN的未来趋势 · 推荐学习资源与社区

课程总结进阶方向