1. 课程导论与目标
各位同学，欢迎来到《YOLOv11 模型压缩与推理速度提升实战》。我是这门课的主讲，一个在模型优化领域摸爬滚打了七八年的老工程师。今天咱们先不急着敲代码，把地基打牢。
很多人一上来就问我：“老师，怎么把模型变小？怎么让推理跑得更快？” 其实，在动手之前，你得先搞清楚三个问题：你要压缩谁？为什么要压缩？压缩到什么程度才算成功？ 这一章，我们就来解决这三个核心问题。
1.1 YOLOv11 到底强在哪？
YOLO 系列，说白了就是目标检测界的“闪电侠”。从 v1 到 v11，它一直在追求一个目标：看一眼，就知道是什么，在哪。 YOLOv11 作为最新一代，我个人觉得它最大的进步不是堆参数，而是把“效率”二字刻在了骨子里。
我简单列几个关键点，你感受一下：
- 骨干网络升级： 用了更高效的跨阶段局部网络（CSPNet）变体，计算量更小，特征提取能力反而更强。
- 解耦头设计： 分类和回归任务不再共享同一个全连接层，精度和收敛速度都有提升。
- 动态标签分配： 训练时能自动匹配正负样本，减少了很多人工调参的麻烦。
但注意，这里有个坑。YOLOv11 虽然快，但那是针对“标准”场景。一旦你要把它塞进手机、无人机或者边缘计算盒子里，它的体积和计算量依然是个大问题。我曾经在一个安防项目里，直接把原版 v11 部署到海思芯片上，结果帧率只有 3 FPS，根本没法用。嗯，这就是我们为什么要做模型压缩。
核心观点： YOLOv11 是优秀的“种子”，但模型压缩是让它能在“贫瘠”硬件上开花结果的“肥料”。
1.2 为什么要做模型压缩？
你想想看，一个几百兆的模型，在云端用 V100 显卡跑，当然没问题。但现实世界是残酷的：
- 成本： 云端 GPU 贵啊，按小时计费。模型小一点，吞吐量就大一点，成本直线下降。
- 延迟： 自动驾驶、工业质检，要求毫秒级响应。模型太大，数据还没传完，车都撞上了。
- 功耗： 手机、无人机电池就那么点，模型计算一次耗电 5 瓦，飞 10 分钟就没电了。
模型压缩的意义，说白了就是在尽量不损失精度的情况下，把模型变小、变快、变省电。这不是锦上添花，而是很多场景下能否落地的关键。
避坑指南： 我曾经为了追求极致压缩比，把模型剪枝到原来的 10%，结果精度直接掉到 50%。后来我明白了，压缩不是“瘦身”，而是“健身”——要保留核心肌肉，减掉多余脂肪。
1.3 推理速度提升的指标
怎么才算“变快了”？不能光凭感觉。我们得用数据说话。这里有几个核心指标，你必须要懂：
| 指标 | 全称 | 解释 | 我的经验 |
|---|---|---|---|
| FPS | Frames Per Second | 每秒处理的图像帧数。越高越好。 | 视频流场景，至少 30 FPS 才流畅。 |
| Latency | 延迟 | 单张图片从输入到输出的时间。越低越好。 | 自动驾驶要求 < 50ms。 |
| FLOPs | Floating Point Operations | 浮点运算次数。衡量计算量。 | FLOPs 减半，理论上速度翻倍。 |
| Params | Parameters | 模型参数量。影响内存占用。 | 手机端建议 < 5M 参数。 |
| Model Size | 模型文件大小 | 硬盘占用空间。 | 边缘设备 Flash 有限，越小越好。 |
注意，这些指标不是孤立的。比如，你用 INT8 量化，模型大小和 FLOPs 都降了，但延迟可能因为硬件不支持而没变。所以，最终要以实际部署硬件上的 Latency 和 FPS 为准。
1.4 课程大纲与学习路径
这门课一共 30 章，我把它分成了四个阶段，就像打游戏一样，层层递进：
- 基础篇（第 1-5 章）： 搭建环境，跑通 YOLOv11，学会用工具分析模型瓶颈。
- 核心篇（第 6-15 章）： 动手实战剪枝、量化、蒸馏、矩阵分解四大压缩技术。
- 进阶篇（第 16-25 章）： 针对不同硬件（GPU、ARM、NPU）做极致优化，比如 TensorRT、ONNX Runtime、NCNN。
- 实战篇（第 26-30 章）： 完整项目复盘，从训练到部署，手把手带你走一遍。
下面这张图，就是整个课程的知识体系，你可以把它当成地图，随时回来看看自己走到哪了。
重要提醒： 不要跳着学！我见过太多同学直接跳到量化章节，结果连 ONNX 是什么都不知道，跑出来的模型全是错的。每一步都有前置知识，跟着我的路径走，你会少踩很多坑。