VIP9
本课程属于：058-YOLO边缘部署、NPU与实时推理 AI智能与边缘计算工程 · 共 9 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

YOLO模型转换与算子适配全流程

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
YOLO模型转换与算子适配概述
课程目标 · 学习路径 · 核心概念（ONNX
YOLO模型转换
02
YOLO模型导出为ONNX
PyTorch模型导出 · 动态轴设置 · opset版本选择
YOLOONNX
03
ONNX模型结构解析
ONNX protobuf格式 · 节点（Node） · 张量（Tensor）
ONNX模型结构解析
04
ONNX算子集与兼容性
ONNX标准算子 · 自定义算子 · 不同opset版本的差异
ONNX算子集
05
ONNX模型优化与简化
onnx-simplifier工具 · 常量折叠 · 冗余节点消除
ONNX模型优化
06
ONNX模型量化
动态量化 · 静态量化 · 量化感知训练（QAT）原理
ONNX模型量化
07
TensorRT基础与安装
TensorRT简介 · 支持硬件 · 安装方式（deb/tar）
TensorRT安装
08
TensorRT模型转换（ONNX→TRT）
trtexec工具使用 · 构建Engine · 序列化与反序列化Engine
TensorRTONNX
09
TensorRT动态形状支持
动态Batch · 动态输入尺寸 · Profile设置
TensorRT动态形状支持
10
TensorRT精度模式与校准
FP32 · FP16 · INT8精度模式
TensorRT精度模式
11
TensorRT插件开发
自定义算子需求场景 · IPluginV2接口实现 · 插件注册与使用
TensorRT插件开发
12
TensorRT推理引擎集成
C++/Python API推理 · 上下文管理 · 异步推理
TensorRT推理引擎集成
13
OpenVINO基础与安装
OpenVINO简介 · 支持硬件 · 安装方式
OpenVINO安装
14
OpenVINO模型转换（ONNX→IR）
Model Optimizer使用 · IR文件结构（.xml/.bin） · 输入输出配置
OpenVINOONNX
15
OpenVINO模型量化与压缩
Post-training Opti… · INT8量化 · 稀疏化
OpenVINO模型量化
16
OpenVINO推理引擎集成
C++/Python API推理 · InferRequest · 异步推理
OpenVINO推理引擎集成
17
NCNN基础与安装
NCNN简介 · 轻量化设计 · 编译与安装
NCNN安装
18
NCNN模型转换（ONNX→NCNN）
onnx2ncnn工具使用 · param/bin文件格式 · 算子支持情况
NCNNONNX
19
NCNN模型优化
算子融合 · 内存优化 · 半精度推理
NCNN模型优化
20
NCNN推理引擎集成
C++ API推理 · 多线程优化 · Android/iOS端部署
NCNN推理引擎集成
21
TFLite模型转换
PyTorch/ONNX转TFLit… · 量化方式（FP16/INT8） · Delegate使用（GPU/NNA…
TFLite模型转换
22
Core ML模型转换
ONNX转Core ML · ANE（Apple Neural E… · iOS端集成
CoreML
23
算子适配问题诊断
常见算子不支持的报错信息 · 日志分析 · 使用Polygraphy/ONNX…
算子适配问题诊断常见算子不支持的…
24
自定义算子实现策略
ONNX自定义算子 · TensorRT Plugin · OpenVINO Extension
自定义算子实现策…ONNX
25
模型精度对齐与调试
逐层输出对比 · 余弦相似度 · 相对误差
模型精度对齐调试
26
性能分析与调优
Profiling工具（NVIDIA… · Intel VTune） · 瓶颈定位
性能分析调优
27
多后端统一推理框架设计
抽象推理接口 · 后端注册机制 · 动态切换后端
多后端统一推理框…抽象推理接口
28
YOLOv5/v8/v10模型转换实战
不同版本YOLO的导出差异 · NMS后处理适配 · 端到端模型转换
YOLOv5/v8/v1…模型转换实战
29
YOLO模型在边缘设备部署
Jetson系列 · Intel NUC · 树莓派
YOLO模型
30
YOLO模型转换与算子适配总结
常见问题汇总 · 最佳实践 · 未来趋势（MLIR
YOLO模型转换