VIP8

本课程属于：132-Edge AI生产MLOps与模型生命周期 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

17. Edge AI持续集成：模型转换、量化和部署测试流水线

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

Edge AI与持续集成的背景 · 课程目标 · 学习路径与整体框架

课程导入Edge

边缘计算 · 端侧推理 · 典型硬件平台（如Jetson

持续集成（CI）基础

CI/CD概念 · 版本控制 · 自动化构建

Edge AI模型生命周期

从训练到部署的完整流程 · 包括模型注册 · 版本管理

模型转换基础

ONNX · TensorFlow Lite · Core ML

模型转换基础ONNX

模型转换实战

使用PyTorch/TensorFl… · 处理算子兼容性问题

模型转换实战PyTorch/Tens…

量化原理（PTQ/QAT） · 精度损失原因 · 量化感知训练与校准数据集的作用

量化基础PTQ/QAT

量化方法实战

使用TensorFlow Lite · PyTorch量化工具 · NVIDIA TensorRT进行I…

量化方法实战TensorFlow

模型优化技术

剪枝 · 蒸馏 · 算子融合

模型优化技术剪枝

Edge AI部署目标

不同硬件（CPU · GPU · NPU

部署测试基础

单元测试 · 集成测试 · 系统测试在Edge AI中的特殊要求…

部署测试基础单元测试

精度评估与回归测试

在CI中自动评估量化/转换后的模型精… · 设置阈值与回归检测机制

精度评估回归测试

延迟 · 吞吐量 · 内存占用

性能测试延迟

硬件在环测试

在真实边缘设备上运行测试 · 包括设备管理 · 远程执行

硬件环测试

CI流水线设计

针对Edge AI的CI流水线阶段划… · 量化 · 测试

CI流水线设计

流水线自动化脚本

编写Python/Shell脚本自动… · 量化 · 测试执行与报告生成

流水线自动化脚本Python/Shell

容器化与虚拟化

使用Docker/K8s模拟边缘环境 · 管理依赖与版本一致性

容器化虚拟化

测试数据集版本控制 · 数据增强 · 数据泄漏防范

数据管理测试数据集版本控…

模型仓库与版本控制

使用MLflow · DVC · Git LFS管理模型

模型仓库版本控制

CI中的模型转换测试

自动检测转换失败 · 算子不支持 · 形状不匹配等问题

CI模型转换测试

CI中的量化测试

自动评估量化模型精度 · 性能 · 并对比原始模型

部署测试自动化

编写自动化测试用例验证模型在目标设备… · 稳定性与鲁棒性

部署测试自动化编写自动化测试用…

端到端案例实战

从训练好的模型出发 · 构建完整的CI流水线 · 包括转换

端到端案例实战从训练好的模型出…

常见问题与调试

模型转换失败 · 量化精度骤降 · 设备兼容性

常见问题调试

安全与合规

模型加密 · 防篡改 · 数据隐私

持续部署（CD）与OTA

将测试通过的模型自动部署到边缘设备 · 支持OTA更新与回滚机制

监控与反馈

部署后模型性能监控 · 漂移检测 · 日志收集

团队协作与流程优化

多人协作 · 代码审查 · 测试策略

团队协作流程优化

工具链与生态

主流Edge AI工具（Tensor… · OpenVINO · TFLite

工具链生态

综合项目与未来趋势

设计一个完整的Edge AI CI/… · 探讨MLOps · AutoML

综合项目未来趋势