VIP14
本课程属于：012-工业视觉在线检测与模型量产 智能制造_工业装备与数字化生产工程 · 共 14 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

视觉模型量化部署与精度保持工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入与量化部署全景
目标=视觉模型量化部署的工程目标 · 精度保持的核心挑战 · 端到端工作流与课程项目说明
课程导入量化部署全景
02
视觉模型部署场景与约束分析
目标=分类 · 检测 · 分割等任务特点
视觉模型部署场景约束分析
03
数值表示与量化基础
目标=定点与浮点表示 · 对称与非对称量化 · 量化粒度
数值表示量化基础
04
量化对视觉模型精度的影响机理
目标=卷积 · 归一化 · 激活函数对量化的敏感度
量化对视觉模型精…目标=卷积
05
训练后量化（PTQ）流程与校准
目标=校准集构建 · 校准算法（最小最大 · 百分位
PTQ训练后量化
06
量化感知训练（QAT）原理与实现
目标=伪量化节点插入 · 直通估计器（STE） · 量化参数学习
QAT量化感知训练
07
视觉模型量化中的算子适配
目标=卷积 · 深度可分离卷积 · 批归一化融合
视觉模型量化算子适配
08
量化精度评估体系
目标=Top-1/Top-5 · mAP · IoU
量化精度评估体系Top-1/Top-5
09
混合精度量化策略
目标=敏感层识别 · 位宽分配搜索 · 手工与自动混合精度方法
混合精度量化策略目标=敏感层识别
10
量化模型在边缘设备上的部署工具链
目标=TensorRT · OpenVINO · TFLite
量化模型边缘设备上的部署…
11
基于TensorRT的视觉模型INT8部署实战
目标=ONNX导出 · 校准缓存生成 · 引擎构建
TensorRTINT8
12
基于TFLite的移动端视觉模型量化部署
目标=训练后量化 · 量化感知训练 · 代表数据集生成
TFLite基于
13
基于OpenVINO的视觉模型量化与异构部署
目标=模型优化器 · NNCF量化 · CPU/GPU/VPU推理
OpenVINO基于
14
量化模型在GPU上的推理优化
目标=CUDA核心与Tensor C… · INT8矩阵乘法 · 内核融合
GPU量化模型
15
量化模型在NPU/ASIC上的部署
目标=硬件量化约束 · 算子支持列表 · 编译流程
NPU/ASIC量化模型
16
量化部署中的内存与带宽优化
目标=权重量化压缩 · 激活重计算 · 内存复用
量化部署内存
17
量化模型的精度恢复与微调
目标=量化后微调 · 偏差校正 · 权重舍入优化
量化模型的精度恢…微调
18
低比特量化前沿方法
目标=二值化 · 三值化 · 4比特量化
低比特量化前沿方…目标=二值化
19
量化与剪枝、蒸馏的协同优化
目标=联合压缩流程 · 稀疏量化 · 结构化剪枝与量化顺序
量化剪枝
20
视觉Transformer量化部署
目标=注意力矩阵量化 · LayerNorm量化 · Patch Embedding量化
Transformer视觉
21
目标检测模型量化部署实战
目标=YOLO系列 · Faster R-CNN等模型的量化… · 后处理量化
目标检测模型量化…YOLO
22
语义分割模型量化部署实战
目标=FCN · DeepLab · SegFormer等模型的量化策略
语义分割模型量化…FCN
23
人脸识别与度量学习模型量化
目标=嵌入向量量化 · 距离度量精度保持 · 活体检测模型量化部署
人脸识别度量学习模型量化
24
视频理解模型量化部署
目标=3D卷积 · 时序模块量化 · 帧间冗余利用
视频理解模型量化…目标=3D卷积
25
量化部署的鲁棒性与安全
目标=量化对对抗样本的影响 · 量化模型的后门风险 · 安全推理与隐私保护
量化部署的鲁棒性安全
26
量化模型在动态场景下的自适应
目标=输入分布漂移 · 在线校准 · 动态量化范围调整
量化模型动态场景下的自适…
27
量化部署的自动化与MLOps
目标=自动化量化流水线 · 精度回归测试 · 模型版本管理
MLOps量化部署的自动化
28
量化部署性能剖析与调优
目标=端到端延迟分解 · 瓶颈定位 · 算子级 profiling
量化部署性能剖析调优
29
工业级视觉量化部署案例分析
目标=智能安防 · 自动驾驶 · 工业质检
工业级视觉量化部…目标=智能安防
30
课程项目综合实战与总结
目标=完整视觉模型量化部署项目（选型 · 量化 · 部署
课程项目综合实战目标=完整视觉模…