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AI量化与剪枝技术部署 边缘AI模型压缩优化

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 · 边缘AI与模型压缩的总体概览
课程导入学习目标
02
边缘AI基础
边缘计算概念 · 边缘设备类型（MCU · GPU
AI边缘
03
深度学习模型基础
卷积神经网络（CNN） · Transformer · 常见模型（ResNet
深度学习模型基础CNN
04
模型压缩技术全景
量化 · 剪枝 · 知识蒸馏
模型压缩技术全景量化
05
量化基础
量化定义 · 定点与浮点表示 · 量化误差来源
量化基础量化定义
06
量化方法详解
对称量化 · 非对称量化 · 动态量化
量化方法详解对称量化
07
量化实战
使用PyTorch/TensorFl… · 评估量化模型精度与性能
量化实战PyTorch/Tens…
08
剪枝基础
剪枝分类（结构化/非结构化 · 稀疏/通道/层剪枝） · 剪枝评价指标
剪枝基础剪枝分类
09
剪枝方法详解
权重剪枝 · 通道剪枝 · 滤波器剪枝
剪枝方法详解权重剪枝
10
剪枝实战
使用PyTorch/TensorFl… · 微调恢复精度
剪枝实战PyTorch/Tens…
11
知识蒸馏
教师-学生网络 · 软标签 · 温度参数
知识蒸馏教师
12
低秩分解与矩阵近似
SVD分解 · CP分解 · 张量分解在模型压缩中的应用
低秩分解矩阵近似
13
模型压缩工具与框架
TensorFlow Lite · PyTorch Mobile · ONNX Runtime
模型压缩工具框架
14
硬件加速与部署平台
ARM CPU · Qualcomm Hexagon · NVIDIA Jetson
硬件加速部署平台
15
量化与剪枝的协同优化
联合压缩策略 · 顺序选择 · 精度-速度-体积权衡
量化剪枝的协同优化
16
模型转换与优化
ONNX导出 · 图优化 · 算子融合
模型转换优化
17
嵌入式部署流程
从训练到部署的完整pipeline · 包括模型转换 · 量化
嵌入式部署流程pipeline
18
边缘AI推理引擎
TensorFlow Lite Mi… · CMSIS-NN · ARM Compute Librar…
AI边缘
19
案例实战
基于MobileNetV3的图像分类…
案例实战MobileNetV3
20
案例实战
基于YOLOv5的目标检测模型在Je…
案例实战YOLOv5
21
案例实战
基于BERT的NLP模型在手机端（A…
案例实战BERT
22
案例实战
语音唤醒词模型在MCU上的量化与部署…
案例实战MCU
23
性能评估与调优
延迟 · 吞吐量 · 内存占用
性能评估调优
24
常见问题与解决方案
量化精度下降 · 剪枝后模型不收敛 · 硬件不支持算子
常见问题解决方案
25
模型安全与鲁棒性
压缩对对抗攻击的影响 · 模型加密 · 水印
模型安全鲁棒性
26
自动化压缩与神经架构搜索（NAS）
AutoML · Once-for-All · NetAdapt
NAS自动化压缩
27
前沿趋势
大模型边缘部署 · LLM量化（ · AWQ）
前沿趋势大模型边缘部署
28
综合项目
设计一个完整的边缘AI系统 · 从需求分析 · 模型选择
综合项目AI
29
课程总结
核心知识点回顾 · 常见误区 · 学习路径建议
课程总结核心知识点回顾
30
综合考核与实战挑战
完成一个端到端项目 · 提交压缩前后对比报告 · 并进行答辩
综合考核实战挑战