首页
›
热销单品
›
AI大模型与智能应用
›
《边缘AI模型部署与TinyML端侧推理加速》
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模型部署与TinyML端侧推理加速
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TinyML的定义 · 发展背景 · 应用价值
课程导入
AI
02
边缘计算基础
边缘计算架构 · 云边端协同 · 边缘AI的典型场景与挑战
边缘计算基础
边缘计算架构
03
TinyML概述
TinyML的定义 · 特点 · 适用硬件
TinyML
的定义
04
端侧硬件平台
主流MCU · NPU · DSP
端侧硬件平台
MCU
05
开发环境搭建
Arduino · STM32Cube · ESP-IDF
开发环境搭建
Arduino
06
模型压缩基础
剪枝 · 量化 · 知识蒸馏
模型压缩基础
剪枝
07
量化技术详解
PTQ与QAT · 对称/非对称量化 · 量化感知训练
量化技术详解
PTQ
08
剪枝技术实战
结构化剪枝与非结构化剪枝 · 通道剪枝 · 模型稀疏化实现
剪枝技术实战
结构化剪枝
09
知识蒸馏应用
教师-学生网络 · 蒸馏损失设计 · 在TinyML中的实践
知识蒸馏应用
教师
10
模型转换与优化
ONNX · TensorFlow Lite · Core ML
模型转换
优化
11
TFLite Micro实战
在MCU上部署TFLite Micr… · 编写推理代码
TFLite
Micro
12
CMSIS-NN与加速库
ARM CMSIS-NN · CMSIS-DSP · 硬件加速指令集的使用
CMSIS-NN
加速库
13
推理引擎对比
TFLite Micro · TensorRT · OpenVINO
推理引擎对比
TFLite
14
内存优化策略
内存池 · 静态内存分配 · 张量复用
内存优化策略
内存池
15
算子优化与内核实现
卷积 · 池化 · 全连接等算子的高效实现与优化技巧
算子优化
内核实现
16
端侧推理调度
多线程 · 异步推理 · 低功耗调度
端侧推理调度
多线程
17
功耗与性能权衡
功耗测量 · 性能基准 · DVFS
功耗
性能权衡
18
案例实战
基于Arduino Nano的语音关…
案例实战
Arduino
19
案例实战
基于ESP32的传感器异常检测与预测…
案例实战
ESP32
20
案例实战
基于STM32的图像分类与目标检测(… · YOLO-Tiny)
案例实战
STM32
21
案例实战
基于Raspberry Pi Pic…
案例实战
Raspberry
22
边缘AI框架
Edge Impulse · TensorFlow Lite fo… · Apache Mynewt等框架使用
AI
边缘
23
自动化部署流程
CI/CD集成 · 模型版本管理 · OTA更新与远程监控
自动化部署流程
CI/CD
24
常见问题与调试
内存溢出 · 精度下降 · 推理速度慢
常见问题
调试
25
性能分析工具
Profiler · Trace · Benchmark工具的使用与结果解…
性能分析工具
Profiler
26
安全与隐私
端侧加密 · 模型保护 · 对抗攻击防御
安全
隐私
27
多模型融合与流水线
多模型协同 · 级联推理 · 模型切换与动态加载
多模型融合
流水线
28
前沿趋势
超低功耗芯片 · 存内计算 · 神经形态计算
前沿趋势
超低功耗芯片
29
综合项目
设计一个完整的边缘AI系统 · 从需求分析 · 模型训练
综合项目
AI
30
课程总结与进阶
知识体系回顾 · 常见误区 · 学习资源推荐
课程总结
进阶
所属VIP或分类
同VIP:AI-Agent-Harness系统开发
同VIP:AI-Agent原理与自主代理架构
同VIP:AI-Agent性能评估与优化