VIP7
本课程属于：103-CMSIS-NN与Cortex-M推理加速 AI智能与边缘计算工程 · 共 7 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

3. Cortex-M推理优化：DSP指令、SIMD与定点计算基础

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
学习目标 · 适用人群 · 课程结构
课程导入学习目标
02
Cortex-M处理器基础
内核架构 · 流水线 · 寄存器
Cortex-M处理器基础
03
DSP指令集概览
Cortex-M4/M7/M33/M…
DSP指令集概览
04
SIMD基础概念
单指令多数据原理 · 数据打包方式 · 与标量运算的对比
SIMD基础概念
05
定点数表示
Q格式 · 整数定点转换 · 精度与动态范围权衡
定点数表示Q格式
06
定点乘法与累加
乘加指令（MLA · SMLAL等） · 溢出处理与饱和运算
定点乘法累加
07
DSP库介绍
CMSIS-DSP库的架构 · 常用函数 · 性能优势与集成方法
DSP库介绍
08
SIMD编程入门
使用C语言内建函数（如__SMLAD · __SSAT）进行SIMD操作
SIMD编程入门
09
数据对齐与内存访问
对齐要求 · 未对齐访问代价 · 缓存与预取优化
数据对齐内存访问
10
循环展开与指令调度
减少循环开销 · 利用流水线 · 提升指令级并行
循环展开指令调度
11
定点卷积实现
基于SIMD的卷积核优化 · 输入输出定点化流程
定点卷积实现SIMD
12
定点全连接层优化
矩阵乘法定点化 · 累加器精度管理与偏置处理
定点全连接层优化矩阵乘法定点化
13
激活函数定点化
ReLU · Sigmoid · Tanh的定点近似与查表法
激活函数定点化ReLU
14
池化层优化
平均池化 · 最大池化的SIMD实现与定点处理
池化层优化平均池化
15
批量归一化融合
将BN参数融合到卷积/全连接层 · 减少计算量
批量归一化融合BN
16
量化感知训练基础
训练时模拟定点误差 · 量化范围选择与校准
量化感知训练基础训练时模拟定点误…
17
静态量化与动态量化
原理 · 优缺点 · 在Cortex-M上的适用场景
静态量化动态量化
18
模型转换与部署流程
从浮点模型到定点C代码的完整工具链
模型转换部署流程
19
CMSIS-NN库实战
使用CMSIS-NN实现卷积 · 全连接 · 池化等算子
CMSIS-NN库实战
20
性能分析工具
使用Cycle Counter · Profiler · Trace工具定位热点
性能分析工具Cycle
21
内存优化策略
权重重排 · 缓冲区复用 · 减少内存碎片
内存优化策略权重重排
22
多核与并行处理
Cortex-M多核架构 · 任务划分与同步机制
多核并行处理
23
低功耗优化
动态电压频率调整 · 睡眠模式与推理功耗平衡
低功耗优化动态电压频率调整
24
常见问题与调试
定点溢出 · 精度损失 · SIMD数据对齐错误等案例
常见问题调试
25
案例实战
基于Cortex-M7的MNIST手…
案例实战Cortex-M7
26
案例实战
基于Cortex-M33的语音关键词…
案例实战Cortex-M33
27
案例实战
基于Cortex-M55的物体检测模…
案例实战Cortex-M55
28
综合提升
结合DSP · SIMD与定点技术 · 设计一个完整的端侧推理引擎
综合提升DSP
29
前沿与扩展
Helium技术（MVE） · NPU协处理器 · 未来趋势
前沿扩展
30
课程总结
核心要点回顾 · 常见误区 · 学习路径建议与资源推荐
课程总结核心要点回顾