VIP8
本课程属于：129-算能BM1688边缘AI盒子部署 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

7. 算能AI盒子目标检测：YOLO模型转换、运行和性能测试

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
算能AI盒子概述 · 目标检测应用场景 · YOLO模型简介
课程导入AI
02
环境准备
算能AI盒子硬件规格 · 开发环境搭建 · TPU-MLIR工具链安装
环境准备AI
03
YOLO模型基础
YOLO系列发展历程 · YOLOv5/v8网络结构 · 锚框与损失函数
YOLO模型基础
04
模型转换流程
PyTorch模型导出ONNX · ONNX模型检查与简化 · 算能TPU模型转换工具（tpu-ml…
模型转换流程PyTorch
05
模型量化与校准
量化原理 · 校准数据集准备 · 校准过程
模型量化校准
06
模型部署与运行
在算能AI盒子上加载模型 · 编写推理代码 · 图像/视频流输入处理
模型部署运行
07
性能测试与优化
FPS与延迟测试方法 · CPU/TPU资源占用分析 · 模型推理优化技巧（多线程
性能测试优化
08
案例实战
基于算能AI盒子的实时目标检测系统（… · 从模型转换到部署的完整流程
案例实战AI
09
常见问题与调试
模型转换失败排查 · 精度下降原因分析 · 运行报错处理
常见问题调试
10
综合提升
多模型并行 · 模型集成 · 边缘端部署最佳实践
综合提升多模型并行
11
课程总结
核心知识点回顾 · 学习路径建议 · 后续进阶方向（如YOLOv9/v10
课程总结核心知识点回顾
12
实战任务1
使用官方YOLOv5s模型完成ONN… · 并验证输出
实战任务1YOLOv5s
13
实战任务2
编写Python推理脚本 · 实现单张图片的目标检测并可视化结果
实战任务2Python
14
实战任务3
使用摄像头或视频流进行实时检测 · 并统计FPS
实战任务3使用摄像头或视频…
15
实战任务4
对转换后的INT8模型进行精度评估 · 对比FP32模型mAP差异
实战任务4INT8
16
实战任务5
优化推理性能 · 通过多线程或批处理提升吞吐量
实战任务5优化推理性能
17
实战任务6
部署到算能AI盒子并远程调用 · 实现HTTP服务接口
实战任务6AI
18
进阶知识
TPU算子支持与自定义算子开发 · 模型剪枝与蒸馏在边缘端的应用
进阶知识TPU
19
进阶知识
多路视频流并发处理 · 动态batch支持 · 模型热切换
进阶知识多路视频流并发处…
20
进阶知识
使用Docker容器化部署 · 模型版本管理 · 日志监控
进阶知识Docker
21
进阶知识
与边缘计算框架（如EdgeX）集成 · 数据回传云端
进阶知识EdgeX
22
常见问题1
模型转换时算子不支持怎么办？如何查看…
常见问题1模型转换时算子不…
23
常见问题2
量化后精度下降严重 · 如何校准和调优
常见问题2量化后精度下降严…
24
常见问题3
推理速度慢 · 如何定位瓶颈并优化
常见问题3推理速度慢
25
常见问题4
内存溢出或程序崩溃 · 如何排查和解决
常见问题4内存溢出或程序崩…
26
常见问题5
如何将自定义训练的数据集模型部署到算…
常见问题5如何将自定义训练…
27
综合项目
设计一个完整的智能安防系统 · 包括目标检测 · 跟踪
综合项目设计一个完整的智…
28
综合项目
实现一个交通流量统计系统 · 利用YOLO检测车辆并计数 · 输出统计报表
综合项目实现一个交通流量…
29
综合项目
构建一个工业质检系统 · 检测产品缺陷 · 并集成到生产流程
综合项目构建一个工业质检…
30
课程结业
综合测试与项目答辩 · 学习资源推荐 · 社区与技术支持
课程结业综合测试