VIP11
本课程属于：082-TensorRT与ONNX推理部署工程 智能汽车与新能源汽车工程 · 共 11 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

自动驾驶推理引擎性能优化工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=自动驾驶推理引擎性能优化的学习… · 核心概念 · 整体知识框架与实战路线图
课程导入目标=自动驾驶推…
02
自动驾驶感知系统概览
目标=摄像头 · 激光雷达 · 毫米波雷达
自动驾驶感知系统…目标=摄像头
03
推理引擎基础
目标=模型推理流程 · 计算图 · 算子
推理引擎基础目标=模型推理流…
04
主流推理引擎对比
目标=TensorRT · ONNX Runtime · TVM
主流推理引擎对比TensorRT
05
性能指标体系
目标=延迟 · 吞吐 · 时延分布
性能指标体系目标=延迟
06
模型压缩基础
目标=剪枝 · 量化 · 知识蒸馏
模型压缩基础目标=剪枝
07
量化推理原理
目标=PTQ · QAT · 校准
量化推理原理PTQ
08
算子融合与图优化
目标=常量折叠 · 算子融合 · 布局转换
算子融合图优化
09
内存优化技术
目标=显存池 · 张量生命周期 · 零拷贝
内存优化技术目标=显存池
10
并行与流水线
目标=批处理 · 多流 · CUDA Graph
并行流水线
11
硬件加速基础
目标=GPU · NPU · DSP
硬件加速基础GPU
12
CUDA 编程与优化入门
目标=线程层次 · 共享内存 · 访存合并
CUDA编程
13
TensorRT 实战
目标=ONNX 解析 · 引擎构建 · 精度校准
TensorRTONNX
14
ONNX Runtime 优化实战
目标=图优化级别 · 执行提供器 · 量化工具与跨平台部署
ONNXRuntime
15
TVM 自动调优实战
目标=Relay IR · AutoTVM · Ansor
TVM自动调优实战
16
模型转换与部署流水线
目标=PyTorch 到 ONNX · ONNX 到引擎 · 版本兼容与精度对齐
模型转换部署流水线
17
动态形状与多模态输入优化
目标=变分辨率 · 点云稀疏性 · 时序输入与自适应推理
动态形状多模态输入优化
18
多传感器融合推理优化
目标=BEV · Transformer · 点云网络与融合算子的性能瓶颈分析
多传感器融合推理…BEV
19
端到端自动驾驶模型优化
目标=感知-预测-规划联合推理 · 大模型压缩与实时性保障
端到端自动驾驶模…目标=感知
20
性能剖析工具链
目标=Nsight · Perfetto · VTune
性能剖析工具链Nsight
21
延迟优化案例
目标=某自动驾驶感知模型从 100m…
延迟优化案例目标=某自动驾驶…
22
吞吐优化案例
目标=多路摄像头并发推理的批处理 · 流水线与资源调度实战
吞吐优化案例目标=多路摄像头…
23
功耗与热约束优化
目标=车端功耗预算 · 动态电压频率调整 · 散热限制与性能平衡
功耗热约束优化
24
功能安全与性能平衡
目标=ISO 26262 · ASIL 等级 · 冗余推理
功能安全性能平衡
25
常见问题与排查
目标=精度下降 · 内存泄漏 · 算子不支持
常见问题排查
26
基准测试与评估方法
目标=MLPerf · 自定义 benchmark · 统计显著性
基准测试评估方法
27
工程化与部署实践
目标=容器化 · OTA 升级 · 模型版本管理
工程化部署实践
28
前沿技术展望
目标=稀疏推理 · 神经架构搜索 · 大模型端侧部署
前沿技术展望目标=稀疏推理
29
综合项目实战
目标=从需求分析 · 模型选型 · 优化实施到车端部署的完整项目演练
综合项目实战目标=从需求分析
30
课程总结与提升
目标=知识体系回顾 · 能力自评 · 进阶学习路径与社区资源推荐
课程总结提升