首页
›
AI智能与边缘计算工程
›
059-YOLO剪枝量化与轻量化
›
《YOLOv11通道剪枝实战与效果评估》
VIP8
本课程属于:059-YOLO剪枝量化与轻量化
AI智能与边缘计算工程 · 共 8 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
YOLOv11通道剪枝实战与效果评估
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
课程导论
YOLOv11模型结构回顾 · 通道剪枝原理概述 · 课程目标与前置知识
课程导论
YOLOv11
02
环境准备
PyTorch环境搭建 · YOLOv11源码下载与配置 · 依赖库安装与验证
环境准备
PyTorch
03
模型加载与基准测试
加载官方预训练权重 · 运行基准推理 · 记录mAP与FPS基线
模型加载
基准测试
04
BN层与通道重要性
理解BatchNorm层的gamma… · gamma分布可视化 · 重要性排序原理
BN
通道重要性
05
稀疏化训练原理
L1正则化与稀疏约束 · 稀疏训练的超参数设置 · 稀疏训练对模型的影响
稀疏化训练原理
L1
06
稀疏化训练实战
修改训练脚本 · 添加稀疏损失 · 启动稀疏训练
稀疏化训练实战
修改训练脚本
07
剪枝策略设计
全局剪枝 vs 局部剪枝 · 按比例剪枝 vs 按阈值剪枝 · 结构剪枝与安全剪枝
剪枝策略设计
vs
08
剪枝脚本编写
解析模型结构 · 定位可剪枝层 · 生成剪枝掩码
剪枝脚本编写
解析模型结构
09
剪枝后模型重建
从剪枝掩码重建轻量化模型 · 权重映射与参数复制 · 模型结构验证
剪枝后模型重建
从剪枝掩码重建轻…
10
剪枝后微调训练
学习率策略 · 冻结部分层微调 · 全参数微调
剪枝后微调训练
学习率策略
11
剪枝效果评估指标
mAP@0.5 · mAP@0.5:0.95 · 模型参数量
剪枝效果评估指标
mAP
12
可视化评估工具
混淆矩阵绘制 · PR曲线分析 · 检测结果可视化
可视化评估工具
混淆矩阵绘制
13
不同剪枝率对比实验
25%剪枝 · 50%剪枝 · 75%剪枝
不同剪枝率对比实…
25%剪枝
14
剪枝对轻量级目标的影响
小目标检测精度变化 · 密集场景表现 · 边缘案例分析
剪枝对轻量级目标…
小目标检测精度变…
15
剪枝与量化联合优化
剪枝后INT8量化流程 · 混合精度推理 · 端侧部署适配
剪枝
量化联合优化
16
通道剪枝 vs 层剪枝
两种方法的原理对比 · 适用场景分析 · 组合策略探讨
vs
通道剪枝
17
剪枝后模型部署
ONNX导出 · TensorRT加速 · OpenVINO适配
剪枝后模型部署
ONNX
18
剪枝代码模块化
封装剪枝工具类 · 配置文件驱动 · 命令行接口设计
剪枝代码模块化
封装剪枝工具类
19
自动化剪枝搜索
基于贝叶斯优化的剪枝率搜索 · 遗传算法剪枝策略 · AutoML集成
自动化剪枝搜索
基于贝叶斯优化的…
20
剪枝中的常见陷阱
梯度爆炸问题 · BN层统计量失效 · 剪枝后感受野变化
剪枝
常见陷阱
21
剪枝后模型鲁棒性测试
对抗样本测试 · 噪声鲁棒性 · 光照变化适应性
剪枝后模型鲁棒性…
对抗样本测试
22
多数据集剪枝实验
VOC数据集 · COCO数据集 · 自定义数据集上的剪枝效果对比
多数据集剪枝实验
VOC
23
剪枝与知识蒸馏结合
教师模型选择 · 蒸馏损失设计 · 剪枝+蒸馏联合训练流程
剪枝
知识蒸馏结合
24
剪枝后模型可解释性
通道激活分析 · 剪枝对特征图的影响 · 决策路径可视化
剪枝后模型可解释…
通道激活分析
25
剪枝工具链集成
MLflow实验追踪 · Weights & Biases可视… · TensorBoard监控
剪枝工具链集成
MLflow
26
剪枝在边缘设备上的实战
Jetson Nano部署 · 树莓派推理 · 手机端TFLite转换
剪枝
边缘设备上的实战
27
剪枝后模型持续学习
增量学习场景 · 灾难性遗忘缓解 · 动态结构调整
剪枝后模型持续学…
增量学习场景
28
剪枝社区与开源工具
Torch-Pruning库介绍 · NNI剪枝框架 · 自定义剪枝实现对比
剪枝社区
开源工具
29
剪枝项目实战
从零开始剪枝一个YOLOv11s模型 · 完整流程复现 · 效果报告生成
剪枝项目实战
YOLOv11s
30
课程总结与进阶方向
剪枝技术前沿 · 结构化剪枝新趋势 · 课程资源与下一步学习建议
课程总结
进阶方向
所属VIP或分类
同VIP:YOLOv11剪枝量化协同优化指南
同VIP:YOLOv11层剪枝与网络结构精简
同VIP:YOLOv11模型剪枝后精度调优方法