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

硬件协同设计模型量化 边缘AI模型压缩部署优化

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 · 课程大纲 · 边缘AI与硬件协同设计的基本概念
课程导入学习目标
02
边缘AI基础
边缘计算架构 · 典型边缘设备（MCU · GPU
AI边缘
03
深度学习模型基础
卷积神经网络 · Transformer等典型模型结构 · 计算量（FLOPs）与参数量分析
深度学习模型基础卷积神经网络
04
模型压缩概述
模型剪枝 · 量化 · 知识蒸馏
模型压缩概述模型剪枝
05
量化基础
定点数表示 · 浮点与定点转换 · 量化误差来源
量化基础定点数表示
06
量化方法详解
训练后量化（PTQ） · 量化感知训练（QAT） · 动态量化与静态量化的原理与实现
量化方法详解PTQ
07
量化粒度与精度
逐层量化 · 逐通道量化 · 混合精度量化
量化粒度精度
08
硬件协同设计概念
硬件-软件协同设计流程 · 硬件抽象层 · 指令集与算子映射
硬件协同设计概念硬件
09
边缘AI硬件加速器
GPU · NPU · FPGA
AI边缘
10
模型部署流程
模型转换（ONNX · TFLite · CoreML）
模型部署流程ONNX
11
推理引擎与框架
TensorRT · TensorFlow Lite · PyTorch Mobile
推理引擎框架
12
量化工具实战
使用PyTorch/TensorFl…
量化工具实战PyTorch/Tens…
13
剪枝技术实战
结构化剪枝与非结构化剪枝 · 稀疏化训练 · 剪枝后微调与硬件加速
剪枝技术实战结构化剪枝
14
知识蒸馏实战
教师-学生模型设计 · 蒸馏损失函数 · 温度参数
知识蒸馏实战教师
15
低秩分解与紧凑模型设计
矩阵分解 · MobileNet · EfficientNet
低秩分解紧凑模型设计
16
硬件感知的模型搜索
NAS（神经架构搜索）与硬件约束（延… · 功耗 · 内存）结合
硬件感知的模型搜…NAS
17
量化与硬件协同优化
量化参数与硬件指令集匹配 · 量化算子库优化 · 混合精度部署
量化硬件协同优化
18
边缘设备内存与带宽优化
内存复用 · 数据布局优化 · DMA传输
边缘设备内存带宽优化
19
功耗与能效优化
动态电压频率调整（DVFS） · 低功耗模式 · 模型-硬件功耗建模
功耗能效优化
20
实时性与延迟优化
流水线设计 · 多线程调度 · 异步推理
实时性延迟优化
21
案例实战
基于树莓派/手机部署图像分类模型（量…
案例实战基于树莓派
22
案例实战
基于NVIDIA Jetson部署目…
案例实战NVIDIA
23
案例实战
基于FPGA部署语音识别模型（硬件协…
案例实战FPGA
24
案例实战
基于MCU部署微型神经网络（Tiny… · CMSIS-NN · 量化模型）
案例实战MCU
25
常见问题与调试
量化精度下降 · 算子不支持 · 内存溢出
常见问题调试
26
模型安全与鲁棒性
量化对对抗攻击的影响 · 模型加密与硬件安全
模型安全鲁棒性
27
多模型协同与异构计算
CPU+GPU+NPU协同调度 · 模型分区与并行推理
多模型协同异构计算
28
自动化部署工具链
MLOps · CI/CD · 模型版本管理
自动化部署工具链MLOps
29
前沿趋势
大模型边缘部署 · 量化感知的硬件设计 · 可重构计算
前沿趋势大模型边缘部署
30
综合项目实战
从模型训练到量化 · 剪枝 · 硬件部署的完整流程
综合项目实战从模型训练到量化