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

自动驾驶端到端模型压缩与加速工程

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=自动驾驶端到端模型的发展背景 · 压缩与加速的工程意义 · 课程学习目标与整体知识框架
课程导入目标=自动驾驶端…
02
端到端自动驾驶基础
目标=感知-预测-规划一体化范式 · 主流模型架构（如UniAD · VAD
端到端自动驾驶基…目标=感知
03
模型压缩与加速概览
目标=压缩与加速的定义 · 分类（剪枝 · 量化
模型压缩加速概览
04
神经网络基础与计算瓶颈
目标=卷积 · Transformer · BEV
神经网络基础计算瓶颈
05
剪枝基础
目标=非结构化剪枝 · 结构化剪枝 · 通道剪枝
剪枝基础目标=非结构化剪…
06
剪枝进阶与自动驾驶实践
目标=针对BEV/Transform… · 注意力头剪枝 · 多模态融合剪枝
剪枝进阶自动驾驶实践
07
量化基础
目标=均匀量化 · 非均匀量化 · 对称/非对称量化
量化基础目标=均匀量化
08
量化进阶与部署
目标=混合精度量化 · 逐通道量化 · Transformer量化难点
量化进阶部署
09
知识蒸馏基础
目标=软标签 · 温度系数 · 特征蒸馏
知识蒸馏基础目标=软标签
10
知识蒸馏进阶
目标=多教师蒸馏 · 自蒸馏 · 跨模态蒸馏
知识蒸馏进阶目标=多教师蒸馏
11
低秩分解与轻量架构
目标=矩阵分解 · 张量分解 · 深度可分离卷积
低秩分解轻量架构
12
神经架构搜索与自动压缩
目标=NAS基本概念 · 搜索空间 · 强化学习/进化/梯度搜索
神经架构搜索自动压缩
13
硬件加速基础
目标=GPU · FPGA · ASIC
硬件加速基础GPU
14
推理引擎与部署工具链
目标=TensorRT · ONNX Runtime · TVM
推理引擎部署工具链
15
端到端模型压缩流程
目标=需求分析 · 基线评估 · 压缩策略选择
端到端模型压缩流…目标=需求分析
16
精度与鲁棒性评估
目标=压缩后模型的精度下降 · 鲁棒性 · 不确定性
精度鲁棒性评估
17
延迟与吞吐量优化
目标=批处理 · 流水线 · 异步推理
延迟吞吐量优化
18
内存与能耗优化
目标=激活值压缩 · 权重共享 · 内存复用
内存能耗优化
19
多模态融合模型压缩
目标=相机-激光雷达-毫米波雷达融合… · 跨模态对齐与剪枝量化联合优化
多模态融合模型压…目标=相机
20
时序模型压缩
目标=RNN · LSTM · 时序Transformer在轨迹预测…
时序模型压缩RNN
21
端到端规划与控制模型压缩
目标=规划网络 · 控制网络 · MPC与学习型控制器联合压缩
端到端规划控制模型压缩
22
案例实战一
目标=BEV感知模型压缩 · 精度-延迟对比与部署测试
案例实战一BEV
23
案例实战二
目标=端到端驾驶模型蒸馏 · 规划输出对齐与闭环评估
案例实战二目标=端到端驾驶…
24
案例实战三
目标=多任务模型加速 · 任务头剪枝与联合优化
案例实战三目标=多任务模型…
25
常见问题与调试
目标=精度骤降 · 量化溢出 · 剪枝后无法收敛
常见问题调试
26
工具与框架实践
目标=PyTorch量化工具 · NNCF · TensorRT量化
工具框架实践
27
前沿趋势
目标=大模型压缩 · 扩散模型加速 · 端到端强化学习压缩
前沿趋势目标=大模型压缩
28
综合项目一
目标=设计并实现一个端到端自动驾驶模… · 包括剪枝 · 量化
综合项目一目标=设计并实现…
29
综合项目二
目标=在真实或仿真嵌入式平台上部署压… · 完成精度 · 延迟
综合项目二目标=
30
课程总结与提升
目标=知识体系回顾 · 工程最佳实践 · 职业发展建议
课程总结提升