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量化剪枝与部署实战

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
嵌入式AI概述 · 模型压缩与部署的意义 · 课程目标与学习路径
课程导入AI
02
嵌入式AI基础
嵌入式平台分类（MCU · GPU · NPU
AI嵌入式
03
深度学习模型基础
卷积神经网络结构 · 常用算子（Conv · BN
深度学习模型基础卷积神经网络结构
04
模型部署流程概览
训练 · 验证 · 压缩
模型部署流程概览训练
05
模型剪枝原理
剪枝分类（结构化/非结构化 · 细粒度/粗粒度） · 剪枝粒度与硬件友好性
模型剪枝原理剪枝分类
06
剪枝方法详解
权重剪枝 · 通道剪枝 · 层剪枝
剪枝方法详解权重剪枝
07
剪枝评估与调优
剪枝率选择 · 精度损失评估 · 微调策略
剪枝评估调优
08
剪枝实战（PyTorch）
使用torch.nn.utils.p… · 通道剪枝实现与效果对比
PyTorch剪枝实战
09
剪枝实战（TensorFlow）
使用TensorFlow Model… · 模型导出与验证
TensorFlow剪枝实战
10
量化基础
量化概念 · 定点与浮点 · 量化误差来源
量化基础量化概念
11
量化方法详解
对称/非对称量化 · 逐层/逐通道量化 · 动态/静态量化
量化方法详解对称
12
量化工具与框架
PyTorch量化（torch.qu… · TensorFlow Lite量化 · ONNX Runtime量化
量化工具框架
13
量化实战（PyTorch）
后训练动态量化 · 静态量化 · 量化感知训练（QAT）的完整流程与代…
PyTorch量化实战
14
量化实战（TensorFlow）
TensorFlow Lite后训练… · 量化感知训练 · 模型转换与评估
TensorFlow量化实战
15
量化与剪枝结合
联合压缩策略 · 先剪枝后量化 · 量化感知剪枝
量化剪枝结合
16
模型蒸馏与压缩
知识蒸馏原理 · 软标签训练 · 蒸馏与剪枝/量化的结合
模型蒸馏压缩
17
低秩分解与紧凑网络设计
矩阵分解 · 低秩近似 · MobileNet/ShuffleN…
低秩分解紧凑网络设计
18
嵌入式推理框架
TensorFlow Lite Mi… · ONNX Runtime · NCNN
嵌入式推理框架TensorFlow
19
模型转换与优化
ONNX转换 · 模型优化（算子融合 · 常量折叠）
模型转换优化
20
嵌入式硬件加速
NPU/DSP/GPU指令集 · SIMD优化 · 内存访问优化
嵌入式硬件加速NPU/DSP/GPU
21
部署实战（MCU）
在STM32上部署TFLM模型 · 使用CMSIS-NN加速 · 实现图像分类或关键词识别
MCU部署实战
22
部署实战（Linux/ARM）
在树莓派或Jetson上部署NCNN… · 实现实时目标检测
Linux/ARM部署实战
23
部署实战（Android/iOS）
使用TFLite部署移动端模型 · 集成到App并优化推理速度
Android/iOS部署实战
24
性能评估与调优
推理延迟 · 吞吐量 · 内存占用
性能评估调优
25
精度与性能平衡
压缩后精度下降分析 · 混合精度策略 · 自适应压缩
精度性能平衡
26
常见问题与解决方案
剪枝后模型结构破坏 · 量化后精度骤降 · 部署时算子不支持
常见问题解决方案
27
自动化压缩工具
Intel Neural Compr… · OpenVINO POT · TensorFlow Model O…
自动化压缩工具Intel
28
端到端实战项目（一）
基于YOLOv5的嵌入式目标检测模型… · 量化与部署到Jetson Nano
端到端实战项目YOLOv5
29
端到端实战项目（二）
基于MobileNetV3的图像分类… · 实现低功耗推理
端到端实战项目MobileNetV3
30
综合提升与前沿展望
模型压缩与部署的最新研究（自动化ML · 神经架构搜索） · 边缘AI趋势
综合提升前沿展望