VIP8
本课程属于：107-TinyML量化与模型压缩 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

6. TFLite量化感知训练：QAT模型训练与部署收益

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 · 课程结构 · QAT在移动端AI中的价值与适用场景
课程导入学习目标
02
量化基础
模型量化原理 · 定点与浮点表示 · 对称与非对称量化
量化基础模型量化原理
03
量化误差来源
权重与激活量化的误差分析 · 离群值影响 · 量化敏感层识别
量化误差来源权重
04
PTQ与QAT对比
训练后量化（PTQ）的局限 · 量化感知训练（QAT）的优势 · 两者适用场景与精度差异
PTQQAT
05
QAT核心机制
伪量化节点（FakeQuant）原理 · 前向模拟量化 · 反向传播的直通估计（STE）
QAT核心机制
06
TensorFlow量化API
tf.quantization · tf.quantization.qu… · tf.quantization.fa…
TensorFlowAPI
07
TFLite量化工具链
TFLite Converter · 量化选项 · 支持的操作与硬件加速（如NPU/DS…
TFLite量化工具链
08
QAT模型构建
在Keras中插入量化感知层 · 使用tf.quantization.…
QAT模型构建
09
TensorFlow Model Optimization Toolkit（TF
QAT API · 配置流程 · 与Keras/TF2的集成
TensorFlowModel
10
QAT训练流程
数据准备 · 模型定义 · 伪量化层插入
QAT训练流程
11
QAT模型微调
冻结部分层 · 学习率调度 · 正则化策略
QAT模型微调
12
QAT模型评估
量化模型与浮点模型的精度对比 · 混淆矩阵 · 性能指标（延迟
QAT模型评估
13
TFLite模型转换
将QAT模型导出为TFLite格式 · 设置优化选项（DEFAULT/OPT…
TFLite模型转换
14
TFLite模型部署
在Android/iOS/嵌入式设备… · 使用TFLite Interpret… · 输入输出张量处理
TFLite模型部署
15
硬件加速与量化收益
CPU/GPU/NPU上的推理加速 · 内存占用减少 · 功耗优化
硬件加速量化收益
16
案例实战1
图像分类模型（MobileNetV2… · 对比PTQ精度
案例实战1MobileNetV2
17
案例实战2
目标检测模型（SSD-MobileN… · 处理边界框回归的量化敏感性
案例实战2SSD-MobileN
18
案例实战3
语义分割模型（DeepLabV3）的… · 处理多类别输出与空间细节
案例实战3DeepLabV3
19
案例实战4
NLP模型（BERT-Tiny）的Q… · 处理嵌入层与注意力机制的量化
案例实战4NLP
20
QAT中的常见问题
训练不收敛 · 精度下降严重 · 伪量化节点影响BN层
QAT常见问题
21
QAT调优技巧
量化范围设置 · 批归一化折叠 · 混合精度量化
QAT调优技巧
22
QAT与剪枝/蒸馏结合
联合优化策略 · 模型压缩组合拳 · 实际收益分析
QAT剪枝
23
QAT在边缘设备上的部署优化
内存布局 · 算子融合 · 缓存优化
QAT边缘设备上的部署…
24
QAT模型版本管理
模型迭代 · 量化配置管理 · A/B测试
QAT模型版本管理
25
QAT自动化流程
CI/CD集成 · 自动化训练与评估 · 量化模型回归测试
QAT自动化流程
26
QAT在真实产品中的案例
Google相机 · 语音助手 · 工业质检等
QAT真实产品
27
QAT的局限与未来
低比特量化（4bit/2bit） · 混合精度量化 · 硬件新特性（如INT8/INT4）
QAT的局限
28
综合实战项目
从零构建一个QAT图像分类应用 · 包括数据准备 · 训练
综合实战项目QAT
29
课程总结
QAT知识体系回顾 · 关键要点 · 最佳实践
课程总结QAT
30
进阶学习路径
推荐资源 · · 开源项目
进阶学习路径推荐资源