所属分类：AI大模型与智能应用 当前为单品课程，可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录 咨询 / 购买

嵌入式边缘AI模型量化、剪枝与压缩优化

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
学习目标 · 课程结构 · 嵌入式边缘AI的应用场景与挑战
课程导入学习目标
02
边缘AI基础
边缘计算与嵌入式系统概述 · AI模型在边缘设备上的部署流程
AI边缘
03
模型优化概览
量化 · 剪枝 · 压缩的定义
模型优化概览量化
04
深度学习模型基础
神经网络结构 · 卷积层/全连接层/激活函数 · 模型参数与计算量分析
深度学习模型基础神经网络结构
05
模型推理原理
前向传播 · 浮点运算与定点运算 · 模型大小与内存占用
模型推理原理前向传播
06
量化基础
量化概念 · 定点与浮点表示 · 量化误差来源
量化基础量化概念
07
量化方法
对称量化 · 非对称量化 · 动态量化
量化方法对称量化
08
量化实践
使用PyTorch/TensorFl… · 量化模型在嵌入式平台（如ARM · RISC-V）上的部署
量化实践PyTorch/Tens…
09
剪枝基础
剪枝概念 · 结构化剪枝与非结构化剪枝 · 剪枝粒度（权重/神经元/通道/层）
剪枝基础剪枝概念
10
剪枝方法
权重剪枝 · 通道剪枝 · 稀疏化训练
剪枝方法权重剪枝
11
剪枝实践
基于PyTorch实现通道剪枝 · 剪枝后微调 · 剪枝模型性能评估
剪枝实践PyTorch
12
模型压缩其他技术
低秩分解 · 知识蒸馏 · 权重共享
模型压缩其他技术低秩分解
13
混合优化策略
量化+剪枝+蒸馏的组合流程 · 优化顺序与协同调优
混合优化策略量化+剪枝+蒸馏…
14
嵌入式硬件适配
常见边缘AI芯片（如Jetson · Edge TPU · K210
嵌入式硬件适配AI
15
推理框架与工具
TensorRT · ONNX Runtime · TFLite Micro
推理框架工具
16
模型部署流程
从训练到部署的完整流程 · 模型转换（ONNX/TFLite） · 格式适配与优化
模型部署流程从训练到部署的完…
17
性能评估指标
模型大小 · 推理延迟 · 吞吐量
性能评估指标模型大小
18
案例实战一
基于树莓派或Jetson Nano的…
案例实战一Jetson
19
案例实战二
基于STM32的语音关键词识别模型剪…
案例实战二STM32
20
案例实战三
目标检测模型（YOLO）在边缘设备上…
案例实战三YOLO
21
案例实战四
Transformer模型（如BER…
案例实战四Transformer
22
常见问题与调试
量化后精度骤降 · 剪枝后模型不收敛 · 部署时内存溢出等问题的排查与解决
常见问题调试
23
优化工具链
使用Netron · TensorBoard · profiling工具分析模型瓶颈
优化工具链Netron
24
自动化优化
神经架构搜索（NAS） · AutoML在模型压缩中的应用
自动化优化NAS
25
模型安全与鲁棒性
压缩对模型鲁棒性的影响 · 对抗攻击与防御
模型安全鲁棒性
26
边缘AI系统设计
软硬件协同设计 · 功耗管理 · 实时性保障
AI边缘
27
前沿趋势
大模型边缘部署 · 联邦学习与模型压缩结合 · 动态推理
前沿趋势大模型边缘部署
28
综合项目实战
从零构建一个嵌入式边缘AI应用（如智… · 完成量化 · 剪枝
综合项目实战AI
29
课程总结与进阶路径
知识体系回顾 · 常见误区 · 学习资源推荐
课程总结进阶路径
30
结课考核与项目答辩
综合测试 · 项目展示与评审 · 课程反馈与改进
结课考核项目答辩