VIP20

本课程属于：012-嵌入式端YOLO目标检测部署实战 AI视觉与工业视觉 · 共 20 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

嵌入式端YOLO量化压缩实战指南

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

课程导论与嵌入式AI现状

为什么YOLO需要量化压缩？嵌入式设…

YOLO模型基础回顾

YOLOv5/v8/v10核心架构对… · 模型复杂度指标（FLOPs · Params

YOLO模型基础回顾

量化理论基础

浮点数与定点数表示 · 线性量化与非线性量化 · 对称量化与非对称量化

量化理论基础浮点数

量化感知训练（QAT）原理

伪量化节点（FakeQuantize… · 直通估计器（STE） · 训练与微调策略

QAT量化感知训练

后训练量化（PTQ）实战

校准数据集选择 · KL散度与MSE校准方法 · TensorRT与ONNX Runt…

PTQ后训练量化

模型剪枝技术

结构化剪枝（Channel/Filt… · 稀疏训练

模型剪枝技术Channel/Filt

Logit蒸馏与Feature蒸馏 · Teacher-Student模型设… · 蒸馏在YOLO中的应用

知识蒸馏Logit

权重共享与哈夫曼编码

减少模型存储大小的经典方法 · Deep Compression框架…

权重共享哈夫曼编码

ONNX模型导出与优化

YOLO转ONNX的常见问题 · OP融合 · 常量折叠

ONNX模型导出

TensorRT部署实战

TensorRT的安装与配置 · Engine构建 · 动态shape处理

TensorRT部署实战

NCNN部署实战

NCNN框架介绍 · YOLO转NCNN的步骤 · Vulkan加速与FP16推理

NCNN部署实战

OpenVINO部署实战

OpenVINO工具套件 · 模型优化器（MO）与推理引擎（IE） · INT8量化

OpenVINO部署实战

TFLite与Edge TPU部署

TFLite转换流程 · 量化感知训练在TFLite中的实现 · Edge TPU编译

Core ML与ANE部署

Apple Neural Engin… · Core ML Tools量化 · FP16与INT8支持

Paddle Lite与瑞芯微NPU部署

Paddle Lite框架 · RKNN模型转换 · NPU硬件加速

地平线BPU与征程芯片部署

地平线工具链（OE/PTQ） · 模型编译与校准 · BPU推理优化

算能TPU与BM1684X部署

算能SDK介绍 · 模型转换与量化 · TPU多核并行

模型精度评估与调优

量化后精度下降的原因分析 · 逐层精度对比 · 敏感层定位与回退

模型精度评估调优

推理速度优化

算子融合 · 内存复用 · 多线程流水线

推理速度优化算子融合

内存与带宽优化

模型分片 · 权重重排 · DMA传输优化

内存带宽优化

多模型协同与任务调度

YOLO检测+跟踪+分类的多模型流水… · 动态调度策略

多模型协同任务调度

端侧数据预处理优化

图像解码（JPEG/RAW） · Resize与Padding的硬件加… · 归一化融合

端侧数据预处理优…JPEG/RAW

后处理优化

NMS的CPU/GPU实现 · Anchor解码加速 · 多类别NMS优化

后处理优化NMS

模型加密与保护

模型结构加密 · 权重加密 · 运行时解密

模型加密保护

OTA升级与模型热更新

差分更新 · 模型版本管理 · 回滚机制

功耗与散热优化

DVFS调频策略 · 模型动态切换（大/小模型） · 推理频率控制

功耗散热优化

智能摄像头（IPC）上的YOLO行人… · 从训练到部署的全流程

实际案例1IPC

边缘计算盒子上的YOLO工业缺陷检测 · 量化与剪枝实战

实际案例2YOLO

无人机/机器人上的YOLO实时避障 · 低延迟与高帧率优化

实际案例3YOLO

课程总结与未来趋势

Transformer与YOLO的结… · 端侧大模型 · 自动化压缩工具链（NNI/OpenM…

课程总结未来趋势