VIP7

本课程属于：109-TinyML语音唤醒与KWS 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

6. TinyML语音量化部署：Int8模型在MCU上的精度保护

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

学习目标 · 课程结构 · TinyML语音部署的挑战与Int8…

课程导入学习目标

语音识别基础

MFCC特征提取 · 关键词识别（KWS）模型架构 · 典型语音数据集（如Speech Co…

语音识别基础MFCC

量化基础概念

浮点与定点表示 · 对称/非对称量化 · 量化参数（scale

量化基础概念浮点

量化误差来源

权重与激活的分布 · 裁剪范围选择 · 舍入误差

量化误差来源权重

量化感知训练（QAT）与训练后量化（PTQ）

两种方法的原理 · 优缺点 · 适用场景

PTQ流程详解

校准数据集选择 · 统计激活分布 · 计算量化参数

PTQ流程详解

QAT流程详解

伪量化节点插入 · 直通估计器（STE） · 训练策略与超参数调整

QAT流程详解

Int8模型在MCU上的部署流程

模型转换（TFLite Micro/… · 内存布局 · 算子支持

MCU硬件特性与量化适配

ARM Cortex-M的DSP/S… · CMSIS-NN库 · 硬件加速对量化的影响

MCU硬件特性

精度评估方法

混淆矩阵 · 准确率 · F1分数

精度评估方法混淆矩阵

精度保护策略总览

量化误差缓解 · 混合精度 · 敏感层保护

精度保护策略总览量化误差缓解

敏感层分析

逐层量化误差贡献 · Hessian/梯度方法 · 如何识别关键层

敏感层分析逐层量化误差贡献

混合精度量化

部分层保留Float16/Int16 · 如何选择混合策略 · 在MCU上的实现限制

混合精度量化Float16/Int1…

量化参数优化

per-tensor vs per-… · 校准方法（MinMax/Percen… · 优化scale与zero-point

量化参数优化per-tensor

激活裁剪与范围调整

ReLU/ReLU6的量化友好性 · clip值选择 · 防止激活饱和

激活裁剪范围调整

批归一化（BN）融合

BN层与卷积融合的量化实现 · 减少计算误差

残差连接与量化

残差相加的精度影响 · 如何避免误差累积

残差连接量化

语音信号预处理量化

MFCC计算中的定点化 · 滤波器组系数量化 · 动态范围压缩

语音信号预处理量…MFCC

模型蒸馏与量化结合

教师-学生框架 · 蒸馏提升小模型精度 · 再量化的流程

模型蒸馏量化结合

基于TFLite Micro的KWS…

实战案例1TFLite

使用QAT训练一个关键词识别模型 · 并对比PTQ与QAT的精度差异

实战案例2QAT

在STM32F4/NUCLEO上部署… · 使用CMSIS-NN优化推理

实战案例3STM32F4/NUCL…

针对特定噪声环境进行量化校准 · 提升鲁棒性

实战案例4针对特定噪声环境…

量化后模型输出全零或NaN——原因分…

常见问题1NaN

精度下降严重——如何定位是权重还是激… · 以及补救措施

常见问题2精度下降严重

MCU上推理速度慢——算子优化 · 内存对齐 · 循环展开等技巧

常见问题3MCU

工具链与生态

TFLite Micro · Edge Impulse · STM32Cube.AI

工具链生态

性能与精度权衡

在MCU资源限制下如何平衡模型大小 · 延迟和准确率

性能精度权衡

设计一个完整的语音唤醒词系统 · 从数据采集 · 训练

综合项目设计一个完整的语…

课程总结与进阶方向

量化前沿技术（如知识蒸馏量化 · 自动化量化） · 未来趋势与学习资源

课程总结进阶方向