VIP10
本课程属于：084-自动驾驶模型压缩量化与边缘优化 智能汽车与新能源汽车工程 · 共 10 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

自动驾驶模型稀疏化与结构剪枝工程

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=自动驾驶感知与决策模型的计算瓶… · 稀疏化与结构剪枝的工程价值 · 课程学习目标与整体知识框架
课程导入目标=自动驾驶感…
02
稀疏化基础
目标=稀疏表示 · L0/L1/L2正则化 · 稀疏度定义
稀疏化基础目标=稀疏表示
03
结构剪枝基础
目标=通道剪枝 · 滤波器剪枝 · 层剪枝
结构剪枝基础目标=通道剪枝
04
自动驾驶模型特点
目标=BEV感知 · Transformer · CNN骨干
自动驾驶模型特点BEV
05
稀疏化数学基础
目标=凸优化与近端梯度 · 软阈值算子 · 稀疏编码
稀疏化数学基础目标=凸优化
06
剪枝准则与重要性度量
目标=权重幅值 · 梯度敏感度 · Hessian近似
剪枝准则重要性度量
07
训练流程与稀疏化集成
目标=预训练 · 稀疏化训练 · 剪枝
训练流程稀疏化集成
08
非结构化稀疏实战
目标=基于PyTorch的L1正则化… · 幅度剪枝 · 稀疏掩码管理与稀疏度调度
非结构化稀疏实战PyTorch
09
结构化通道剪枝实战
目标=基于BN缩放因子的通道选择 · 剪枝率控制 · 网络结构重参数化与微调恢复
结构化通道剪枝实…BN
10
结构化滤波器剪枝实战
目标=滤波器级重要性评估 · 剪枝后卷积核重构 · 分组卷积与深度可分离卷积的剪枝策略
结构化滤波器剪枝…目标=滤波器级重…
11
Transformer模型剪枝
目标=多头注意力剪枝 · FFN中间维度剪枝 · 层丢弃
Transformer模型剪枝
12
多任务模型剪枝
目标=共享骨干与任务头的联合剪枝 · 任务冲突分析 · 梯度归一化与多任务稀疏化训练
多任务模型剪枝目标=共享骨干
13
稀疏化与量化协同
目标=稀疏感知量化 · 量化感知训练 · 混合精度与稀疏化的联合优化流程
稀疏化量化协同
14
知识蒸馏辅助剪枝
目标=教师-学生框架 · 软标签蒸馏 · 中间特征蒸馏与剪枝后模型精度恢复
知识蒸馏辅助剪枝目标=教师
15
神经架构搜索与剪枝
目标=可微分架构搜索 · 通道搜索空间 · 硬件约束下的稀疏结构自动发现
神经架构搜索剪枝
16
硬件部署与推理加速
目标=TensorRT · OpenVINO · TVM对稀疏与剪枝模型的支持
硬件部署推理加速
17
精度-效率权衡分析
目标=FLOPs · 参数量 · 内存占用
精度效率权衡分析
18
自动驾驶数据集与基准
目标=nuScenes · Waymo Open Dataset · KITTI上的剪枝实验设计
自动驾驶数据集基准
19
案例实战一
目标=BEVFormer通道剪枝 · 剪枝方案设计 · 训练微调与nuScenes检测精度对…
案例实战一BEVFormer
20
案例实战二
目标=PointPillars结构化… · 部署到TensorRT的端到端优化与…
案例实战二PointPillars
21
案例实战三
目标=多任务HydraNet剪枝 · 任务头独立剪枝 · 多任务精度与推理速度联合优化
案例实战三HydraNet
22
常见问题与调试
目标=剪枝后精度崩塌 · 稀疏训练不收敛 · BN统计量偏差
常见问题调试
23
稀疏化训练技巧
目标=渐进式稀疏度 · 稀疏-稠密交替训练 · 彩票假说
稀疏化训练技巧目标=渐进式稀疏…
24
剪枝与模型鲁棒性
目标=对抗鲁棒性 · 分布外泛化 · 恶劣天气与传感器噪声下的剪枝模型稳定…
剪枝模型鲁棒性
25
工程化工具链
目标=PyTorch剪枝API · NNI · SparseML
工程化工具链PyTorch
26
端到端部署流程
目标=从训练到ONNX导出 · 图优化 · 量化校准
端到端部署流程ONNX
27
综合项目一
目标=设计并实现一个自动驾驶感知模型… · 包含基线训练 · 剪枝
综合项目一目标=设计并实现…
28
综合项目二
目标=针对给定硬件平台 · 在精度约束下自动搜索最优稀疏结构与剪… · 并撰写实验报告
综合项目二目标=针对给定硬…
29
前沿进展与论文精读
目标=最新稀疏化与剪枝方法在自动驾驶… · 开源实现与未来趋势
前沿进展论文精读
30
课程总结与能力提升
目标=知识体系回顾 · 工程最佳实践 · 持续学习路径与职业发展建议
课程总结能力提升