首页
›
工业控制与工业互联网
›
038-TinyML硬件在环HIL验证
›
《Edge AI设备闭环验证从模型到硬件的实战课程》
VIP20
本课程属于:038-TinyML硬件在环HIL验证
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
📘
Edge AI设备闭环验证从模型到硬件的实战课程
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
Edge AI设备闭环验证的定义 · 重要性 · 整体流程框架
课程导入
Edge
02
Edge AI基础
边缘计算与AI芯片概述 · 常见Edge AI设备类型(手机 · 摄像头
Edge
AI
03
模型部署基础
模型压缩(剪枝 · 量化 · 蒸馏)原理
模型部署基础
模型压缩
04
硬件平台认知
主流Edge AI硬件(Jetson · RK3588 · 树莓派
硬件平台认知
Edge
05
开发环境搭建
交叉编译环境 · SDK安装 · 远程调试配置
开发环境搭建
交叉编译环境
06
模型到硬件的映射
算子支持 · 内存布局 · 数据精度(FP32/FP16/INT…
模型到硬件的映射
算子支持
07
闭环验证概念
从模型训练到硬件推理的闭环反馈机制 · 验证指标(精度 · 延迟
闭环验证概念
从模型训练到硬件…
08
数据集与预处理对齐
训练与推理时数据预处理(归一化 · 尺寸 · 通道顺序)的一致性检查
数据集
预处理对齐
09
模型量化实战
PTQ(训练后量化)与QAT(量化感… · 校准数据集选择 · 量化误差分析
模型量化实战
PTQ
10
推理引擎使用
TensorRT · ONNX Runtime · TFLite
推理引擎使用
TensorRT
11
硬件性能基准测试
使用benchmark工具(如per… · benchmark_model)测量… · 吞吐
硬件性能基准测试
benchmark
12
精度验证与误差分析
在硬件上运行测试集 · 对比模型输出与原始模型 · 定位精度下降原因(量化
精度验证
误差分析
13
端到端闭环流程
从训练好的模型到硬件部署的完整流程 · 包括转换 · 优化
端到端闭环流程
从训练好的模型到…
14
案例实战
图像分类模型(ResNet/Mobi… · 包括性能与精度调优
案例实战
ResNet/Mobi
15
案例实战
目标检测模型(YOLOv5/YOLO… · 使用NPU加速 · 并验证mAP与帧率
案例实战
YOLOv5/YOLO
16
案例实战
语义分割模型(DeepLabV3)在… · 处理内存限制 · 并评估推理速度与精度
案例实战
DeepLabV3
17
案例实战
语音唤醒词模型在MCU(如ESP32… · 使用TFLite Micro · 验证实时性与功耗
案例实战
MCU
18
案例实战
Transformer模型(如Mob… · 处理动态形状与内存优化
案例实战
Transformer
19
多模型流水线
多个模型串联(如检测+分类)在Edg… · 以及端到端延迟优化
多模型流水线
Edg
20
硬件在环测试
将Edge AI设备接入仿真环境或真… · 进行实时数据采集与模型推理的闭环测试
硬件
环测试
21
功耗与热管理
测量Edge AI设备在不同负载下的… · 分析模型复杂度对电池寿命的影响 · 并优化策略
功耗
热管理
22
常见问题排查
部署中遇到的算子不支持 · 内存溢出 · 精度下降
常见问题排查
部署
23
版本管理与可复现性
模型 · 权重 · 转换配置
版本管理
可复现性
24
自动化验证框架
构建自动化测试脚本 · 批量运行模型-硬件组合 · 生成验证报告
自动化验证框架
构建自动化测试脚…
25
安全性与可靠性
Edge AI设备中的模型加密 · 防篡改 · 异常输入处理
安全性
可靠性
26
性能优化进阶
模型结构优化(轻量化设计) · 算子融合 · 内存复用
性能优化进阶
模型结构优化
27
边缘-云协同验证
在边缘设备与云端之间分配计算任务 · 验证协同推理的延迟与带宽影响 · 以及模型更新机制
边缘
云协同验证
28
行业应用案例
智能安防 · 工业质检 · 医疗影像
行业应用案例
智能安防
29
综合实战项目
从零开始完成一个Edge AI设备闭… · 包括需求分析 · 模型选择
综合实战项目
Edge
30
课程总结与进阶方向
回顾核心知识点 · 常见误区 · 以及未来趋势(如NPU发展
课程总结
进阶方向
所属VIP或分类
同VIP:Cortex-M4端侧推理性能评估与HIL验证资料
同VIP:Edge-AI-HIL验证报告模板与指标设计
同VIP:ESP32-C3端侧推理延迟测量与HIL验证指南