VIP6
本课程属于：115-TinyML数据工程与模型评测 AI智能与边缘计算工程 · 共 6 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

13. TinyML端侧评估：离线指标与板端真实表现对齐

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
TinyML端侧评估的意义 · 离线指标与板端真实表现对齐的必要性 · 课程整体框架与学习目标
课程导入TinyML
02
基础知识
TinyML部署流程回顾 · 端侧评估与云端/PC评估的区别 · 常见离线指标（准确率
基础知识TinyML
03
端侧评估挑战
资源受限（内存 · 算力 · 功耗）
端侧评估挑战资源受限
04
离线评估方法
静态数据集评估 · 交叉验证 · 留出法
离线评估方法静态数据集评估
05
板端评估方法
在真实硬件上运行模型 · 采集推理结果 · 计算指标
板端评估方法真实硬件上运行模…
06
指标对齐概念
什么是离线指标与板端真实表现对齐 · 为何会出现偏差 · 对齐的目标与衡量标准
指标对齐概念什么是离线指标
07
偏差来源分析
量化误差 · 算子实现差异 · 内存布局
偏差来源分析量化误差
08
量化影响评估
量化感知训练与后训练量化对指标的影响 · 如何评估量化前后的指标变化
量化影响评估量化感知训练
09
输入预处理对齐
图像缩放 · 归一化 · 数据增强
输入预处理对齐图像缩放
10
推理框架差异
TensorFlow Lite Mi… · CMSIS-NN · RVNN等不同推理引擎对数值结果的影…
推理框架差异TensorFlow
11
硬件平台差异
不同MCU · DSP · NPU的数值精度
硬件平台差异MCU
12
数据采集与标注
端侧真实数据采集方法 · 标注质量对评估的影响 · 如何构建与离线数据集分布一致的测试集
数据采集标注
13
评估工具链
常用的TinyML评估工具（如STM… · Edge Impulse · TFLite Micro bench…
评估工具链TinyML
14
日志与调试
在板端输出推理结果 · 中间特征图 · 调试信息的方法
日志调试
15
统计显著性
样本量 · 置信区间 · 假设检验在端侧评估中的应用
统计显著性样本量
16
实时性指标
延迟 · 吞吐量 · 帧率
实时性指标延迟
17
内存与存储指标
模型大小 · RAM占用 · Flash占用
内存存储指标
18
端侧评估流程设计
从离线评估到板端评估的完整流程 · 步骤 · 时间节点
端侧评估流程设计从离线评估到板端…
19
案例实战
图像分类模型在STM32F746上的… · 分析偏差并调整
案例实战STM32F746
20
案例实战
语音唤醒词模型在Cortex-M4上… · 处理音频预处理差异与量化影响
案例实战Cortex-M4
21
案例实战
传感器异常检测模型在Arduino… · 处理数据分布漂移
案例实战Arduino
22
常见问题
离线准确率高但板端低的原因排查 · 模型在板端输出NaN或乱码的解决
常见问题离线准确率高但板…
23
常见问题
板端推理结果不稳定 · 多次运行不一致的调试方法
常见问题板端推理结果不稳…
24
常见问题
如何选择离线评估的测试集以更好地预测…
常见问题如何选择离线评估…
25
自动化评估
构建自动化测试脚本 · 在板端批量运行测试样本并自动计算指标 · 提高效率
自动化评估构建自动化测试脚…
26
持续集成与回归测试
在TinyML开发中引入CI/CD · 确保每次模型更新后离线与板端指标对齐
持续集成回归测试
27
性能与精度权衡
在端侧资源限制下 · 如何通过模型压缩 · 剪枝
性能精度权衡
28
高级话题
联邦学习与端侧评估 · 在线学习中的指标监控 · 自适应模型更新
高级话题联邦学习
29
综合项目
从零开始为一个实际TinyML应用设… · 完成离线与板端对齐 · 并输出报告
综合项目TinyML
30
课程总结
核心要点回顾 · 常见误区 · 最佳实践
课程总结核心要点回顾