VIP8
本课程属于：144-无人机TinyML感知与安全控制 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

15. 无人机模型量化部署：小模型压缩、延迟控制和精度验证

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
无人机模型部署的挑战与量化部署的价值 · 学习目标与课程框架
课程导入无人机模型部署的…
02
边缘计算与无人机平台
机载硬件资源（CPU/GPU/NPU… · 实时性要求与功耗约束
边缘计算无人机平台
03
模型压缩基础
剪枝 · 蒸馏 · 量化三大技术路线对比及适用场景
模型压缩基础剪枝
04
量化核心概念
定点数与浮点数 · 量化尺度与零点 · 对称/非对称量化
量化核心概念定点数
05
量化精度分析
量化误差来源 · 敏感层识别 · 混合精度量化策略
量化精度分析量化误差来源
06
训练后量化（PTQ）
动态量化 · 静态量化 · 校准数据集与校准方法
PTQ训练后量化
07
量化感知训练（QAT）
伪量化节点 · 直通估计器（STE） · 训练技巧与调参
QAT量化感知训练
08
小模型设计
轻量化网络结构（MobileNet · EfficientNet · ShuffleNet）在无人机任务中…
小模型设计MobileNet
09
知识蒸馏
教师-学生架构 · 蒸馏温度 · 损失函数设计
知识蒸馏教师
10
模型剪枝实战
结构化剪枝与非结构化剪枝 · 在PyTorch/ONNX中的实现
模型剪枝实战结构化剪枝
11
量化工具链
PyTorch量化 · TensorRT · ONNX Runtime
量化工具链PyTorch
12
ONNX模型导出与量化
从PyTorch到ONNX · 使用onnxruntime量化API
ONNX模型导出
13
TensorRT量化部署
使用TensorRT进行INT8量化 · 校准表生成与精度调优
TensorRT量化部署
14
延迟控制基础
推理延迟的构成（预处理 · 推理 · 后处理）
延迟控制基础推理延迟的构成
15
推理引擎优化
算子融合 · 内存复用 · 多线程与异步流水线
推理引擎优化算子融合
16
硬件加速
GPU/NPU/DPU的利用 · TensorRT · CUDA
硬件加速GPU/NPU/DPU
17
模型部署框架
TensorFlow Lite · PyTorch Mobile · NCNN
模型部署框架TensorFlow
18
实时性验证
延迟测量方法（单次/平均/百分位） · 帧率与吞吐量评估
实时性验证延迟测量方法
19
精度验证体系
分类/检测/分割任务的评估指标（mA… · IoU · Top-1等）
精度验证体系mA
20
鲁棒性测试
量化模型在不同光照 · 天气 · 运动模糊下的精度稳定性
鲁棒性测试量化模型
21
案例实战
基于YOLOv5的无人机目标检测模型…
案例实战YOLOv5
22
案例实战
基于DeepLabV3的无人机语义分…
案例实战DeepLabV3
23
案例实战
基于ResNet的无人机图像分类模型…
案例实战ResNet
24
常见问题
量化后精度骤降的原因分析与排查方法
常见问题量化后精度骤降的…
25
常见问题
部署时内存不足 · 算子不支持 · 推理崩溃的解决方案
常见问题部署时内存不足
26
常见问题
延迟与精度权衡 · 如何根据任务需求调整量化策略
常见问题延迟
27
综合提升
设计一个完整的无人机实时识别系统 · 从模型训练到量化部署
综合提升设计一个完整的无…
28
综合提升
多模型协同部署（检测+跟踪+识别）的…
综合提升多模型协同部署
29
前沿趋势
自动化量化 · 神经架构搜索（NAS）与量化联合优化
前沿趋势自动化量化
30
课程总结
核心知识回顾 · 最佳实践 · 学习路径与拓展资源推荐
课程总结核心知识回顾