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

TinyML边缘AI部署与推理加速

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
TinyML的定义 · 边缘AI的价值 · 课程目标与学习路径
课程导入TinyML
02
边缘计算与TinyML基础
边缘计算架构 · TinyML与传统AI的区别 · 典型应用场景
TinyML边缘计算
03
嵌入式系统与微控制器基础
MCU架构 · 内存与存储限制 · 外设接口
嵌入式系统微控制器基础
04
TinyML硬件平台选型
主流开发板（Arduino · STM32 · ESP32
TinyML硬件平台选型
05
模型压缩与轻量化技术
剪枝 · 量化 · 知识蒸馏
模型压缩轻量化技术
06
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
07
模型剪枝实战
结构化剪枝与非结构化剪枝 · 稀疏性利用 · 剪枝工具（TensorFlow Mo…
模型剪枝实战结构化剪枝
08
知识蒸馏实战
教师-学生网络设计 · 蒸馏损失函数 · 温度参数调优
知识蒸馏实战教师
09
神经网络架构搜索（NAS）与高效模型设计
MobileNet · EfficientNet · TinyML专用架构（MCUNet
NAS神经网络架构搜索
10
TinyML开发框架与工具链
TensorFlow Lite Mi… · PyTorch Mobile · Edge Impulse
TinyML开发框架
11
TensorFlow Lite Micro实战
模型转换 · C++ API · 内存管理
TensorFlowLite
12
Edge Impulse实战
数据采集 · 特征工程 · 模型训练
EdgeImpulse
13
STM32Cube.AI与X-CUBE-AI实战
模型转换 · 性能评估 · 代码生成
STM32Cube.AIX-CUBE-AI
14
推理加速硬件技术
MCU上的DSP指令 · SIMD · 硬件加速器（NPU
推理加速硬件技术MCU
15
推理引擎优化
算子融合 · 内存布局优化 · 循环展开
推理引擎优化算子融合
16
模型部署中的内存优化
静态内存规划 · 内存复用 · 张量生命周期管理
模型部署内存优化
17
低功耗与实时性优化
功耗管理 · 动态电压频率调整 · 中断驱动推理
低功耗实时性优化
18
边缘AI中的数据处理与特征工程
传感器数据预处理 · 时频域特征 · 数据增强
AI边缘
19
案例实战
基于Arduino的语音关键词识别（…
案例实战Arduino
20
案例实战
基于ESP32的视觉物体检测（Tin…
案例实战ESP32
21
案例实战
基于STM32的异常检测（振动/温度…
案例实战STM32
22
案例实战
基于Raspberry Pi Pic…
案例实战Raspberry
23
TinyML模型调试与性能分析
日志 · 调试工具 · 性能剖析（Profiling）
TinyML模型调试
24
模型鲁棒性与安全性
对抗攻击 · 模型加固 · 隐私保护（联邦学习
模型鲁棒性安全性
25
TinyML与云协同
边缘-云架构 · 模型OTA更新 · 远程监控
TinyML云协同
26
常见问题与解决方案
模型过大 · 精度损失 · 内存溢出
常见问题解决方案
27
TinyML性能基准与评估
推理时间 · 内存占用 · 能耗
TinyML性能基准
28
综合项目
设计一个完整的TinyML系统（从需… · 模型训练 · 压缩
综合项目TinyML
29
前沿趋势与未来展望
TinyML在AIoT · 可穿戴 · 智能家居
前沿趋势未来展望
30
课程总结与进阶路径
核心知识回顾 · 常见误区 · 学习资源推荐
课程总结进阶路径