VIP20

本课程属于：026-YOLOv11模型剪枝量化压缩 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

YOLOv11模型剪枝量化压缩实战指南

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

课程导学与模型压缩概览

YOLOv11简介 · 模型压缩的必要性 · 剪枝与量化的核心概念

课程导学模型压缩概览

环境搭建与工具链准备

Python虚拟环境配置 · PyTorch与CUDA安装 · YOLOv11源码下载

环境搭建工具链准备

YOLOv11模型结构与原理

Backbone · Neck · Head详解

YOLOv11模型结构

模型基准测试与性能分析

使用YOLOv11官方脚本进行训练 · 导出模型 · 评估mAP与FPS

模型基准测试性能分析

剪枝基础理论

结构化剪枝与非结构化剪枝 · L1与L2正则化在剪枝中的作用 · 剪枝率与模型性能的权衡

剪枝基础理论结构化剪枝

基于BN层权重的通道剪枝（上）

BN层Gamma值分析 · 设定剪枝阈值 · 剪枝掩码生成

基于BN层权重的通道剪枝（下）

剪枝后模型微调 · 稀疏训练技巧 · 剪枝前后模型对比

结构化剪枝实战

使用torch.prune进行权重剪… · 自定义剪枝函数 · 剪枝后模型导出

结构化剪枝实战torch.prune

YOLOv11特定层剪枝策略

C2f模块剪枝 · Detect Head剪枝 · Backbone与Neck差异化剪枝

YOLOv11特定层剪枝策略

剪枝后模型恢复与微调

学习率调度策略 · 冻结部分层训练 · 蒸馏辅助微调

剪枝后模型恢复微调

模型量化基础理论

FP32与INT8精度对比 · 对称量化与非对称量化 · 量化误差来源分析

模型量化基础理论FP32

PyTorch量化工具包（torch.quantization）

Eager Mode量化 · FX Graph Mode量化 · 量化感知训练（QAT）

PyTorchtorch.quanti…

后训练量化（PTQ）实战

校准数据集准备 · 观察者（Observer）设置 · 量化模型导出与验证

PTQ后训练量化

量化感知训练（QAT）实战

在YOLOv11中插入伪量化节点 · QAT训练流程 · 精度恢复技巧

QAT量化感知训练

混合精度量化

部分层保留FP16/FP32 · 敏感层分析 · 混合精度配置策略

混合精度量化FP16/FP32

ONNX模型导出与优化

YOLOv11转ONNX · ONNX Simplifier优化 · 动态轴与静态轴设置

ONNX模型导出

ONNX Runtime部署与量化

ORT的INT8量化流程 · QDQ格式转换 · CPU与GPU推理对比

OpenVINO工具套件加速

模型转换至IR格式 · OpenVINO的INT8量化 · 推理性能调优

OpenVINO工具套件加速

TensorRT部署与量化（上）

TensorRT环境搭建 · YOLOv11转Engine文件 · FP16与INT8精度模式

TensorRT部署与量化（下）

动态形状设置 · 多Batch推理 · INT8校准与DLA加速

NCNN与TNN移动端部署

模型转NCNN格式 · NCNN量化工具 · Android/iOS端推理示例

模型压缩综合评估指标

模型大小 · 推理延迟 · 吞吐量

模型压缩综合评估…模型大小

剪枝与量化联合优化策略

先剪枝后量化 · 先量化后剪枝 · 联合训练方案对比

剪枝量化联合优化策略

自动化剪枝工具开发

基于敏感度分析的自动剪枝率搜索 · 遗传算法优化剪枝策略

自动化剪枝工具开…基于敏感度分析的…

知识蒸馏辅助压缩

Teacher-Student架构 · Logits蒸馏与Feature蒸馏 · 蒸馏在YOLOv11中的应用

知识蒸馏辅助压缩Teacher-Stud…

边缘设备部署实战（Jetson系列）

Jetson Orin/Nano环境… · TensorRT部署 · 功耗与性能调优

Jetson边缘设备部署实战

模型压缩中的常见问题与调试

精度骤降分析 · 梯度爆炸/消失 · 量化校准集选择不当

模型压缩常见问题

模型安全与鲁棒性

压缩后模型的对抗攻击鲁棒性 · 量化模型的数值稳定性

模型安全鲁棒性

工业级案例实战

从训练到部署全流程 · 某检测任务压缩前后对比 · 性能收益分析

工业级案例实战从训练到部署全流…

课程总结与进阶方向

当前技术局限 · 未来趋势（硬件感知剪枝 · 动态量化）

课程总结进阶方向