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

边缘AI嵌入式优化核心技术剖析:模型裁剪与量化

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
边缘AI与嵌入式优化的背景 · 挑战 · 学习目标与课程整体框架
课程导入AI
02
边缘AI基础
边缘计算与嵌入式设备的特点 · AI模型部署的硬件约束（内存 · 算力
AI边缘
03
模型压缩概览
模型裁剪 · 量化 · 蒸馏
模型压缩概览模型裁剪
04
模型裁剪原理
权重裁剪 · 神经元裁剪 · 通道裁剪
模型裁剪原理权重裁剪
05
裁剪粒度与效果评估
细粒度 · 粗粒度裁剪对模型精度 · 推理速度
裁剪粒度效果评估
06
裁剪算法详解
基于幅度 · 基于梯度 · 基于泰勒展开
裁剪算法详解基于幅度
07
裁剪流程实战
从预训练模型出发 · 进行敏感性分析 · 逐层裁剪
裁剪流程实战从预训练模型出发
08
裁剪工具与框架
PyTorch · TensorFlow · PaddleSlim
裁剪工具框架
09
裁剪案例实战
以MobileNet · ResNet为例 · 演示通道裁剪并对比压缩前后性能
裁剪案例实战MobileNet
10
量化基础
量化概念 · 定点数与浮点数 · 量化误差来源
量化基础量化概念
11
量化类型
对称量化 · 非对称量化 · 动态量化
量化类型对称量化
12
量化参数
scale · zero_point · bit宽度（8bit
量化参数scale
13
量化算法
MinMax · Percentile · KL散度
量化算法MinMax
14
量化感知训练
模拟量化 · 直通估计器（STE） · 量化感知微调技巧与超参数设置
量化感知训练模拟量化
15
量化推理优化
INT8矩阵乘法 · 内存带宽优化 · SIMD指令集（ARM NEON
量化推理优化INT8
16
量化工具链
PyTorch量化 · TensorRT · ONNX Runtime
量化工具链PyTorch
17
量化案例实战
将YOLOv5或ResNet18量化… · 在树莓派或Jetson上部署并测试性…
量化案例实战YOLOv5
18
裁剪与量化联合优化
先裁剪后量化 · 先量化后裁剪 · 联合训练的策略与效果对比
裁剪量化联合优化
19
硬件适配与算子优化
不同硬件（CPU · GPU · NPU
硬件适配算子优化
20
模型部署流程
从训练到转换（ONNX · IR） · 优化（裁剪量化）
模型部署流程ONNX
21
精度与性能平衡
如何通过实验设计找到最佳压缩率 · 避免精度骤降 · 使用正则化与知识蒸馏辅助
精度性能平衡
22
常见问题与调试
量化后精度下降严重 · 裁剪后模型不收敛 · 硬件不支持某些算子等问题的排查方法
常见问题调试
23
边缘AI应用案例
智能摄像头 · 语音唤醒 · 工业检测等场景中裁剪与量化的实际应用…
AI边缘
24
前沿技术
自动化压缩（AutoML） · 神经架构搜索（NAS） · 混合精度量化
前沿技术AutoML
25
实战项目一
基于STM32或ESP32的MCU端…
实战项目一STM32
26
实战项目二
基于Jetson Nano的实时目标…
实战项目二Jetson
27
性能评测与调优
使用benchmark工具（如MLP… · TFLite Benchmark）评… · 吞吐量
性能评测调优
28
综合练习
给定一个模型和硬件约束 · 设计完整的优化方案并实施 · 输出对比报告
综合练习给定一个模型
29
课程总结
核心知识点回顾 · 常见误区 · 最佳实践与学习路径建议
课程总结核心知识点回顾
30
拓展与资源
推荐书籍 · · 开源项目
拓展资源