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模型压缩推理速度提升实战

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
课程导论与目标
YOLOv11简介 · 模型压缩的意义 · 推理速度提升的指标
课程导论目标
02
环境搭建与工具链
Python环境配置 · PyTorch安装 · ONNX与TensorRT简介
环境搭建工具链
03
YOLOv11模型结构解析
Backbone · Neck · Head设计
YOLOv11模型结构解析
04
模型性能基准测试
FPS · FLOPs · Params计算
模型性能基准测试FPS
05
模型剪枝原理
结构化剪枝与非结构化剪枝 · L1与L2正则化剪枝 · 剪枝率与精度权衡
模型剪枝原理结构化剪枝
06
YOLOv11结构化剪枝实战
基于BN层权重的通道剪枝 · 剪枝后模型微调 · 剪枝效果评估
YOLOv11结构化剪枝实战
07
知识蒸馏基础
教师模型与学生模型 · 软标签与硬标签 · 温度参数T的作用
知识蒸馏基础教师模型
08
YOLOv11知识蒸馏实战
Logit蒸馏 · Feature蒸馏 · 蒸馏损失函数设计
YOLOv11知识蒸馏实战
09
模型量化原理
FP32 · FP16 · INT8量化
模型量化原理FP32
10
YOLOv11 INT8量化实战
使用TensorRT进行PTQ · 校准数据集准备 · 量化后精度验证
YOLOv11INT8
11
ONNX模型导出与优化
YOLOv11导出ONNX · ONNX Simplifier · 动态轴与静态轴设置
ONNX模型导出
12
TensorRT部署基础
TensorRT工作流程 · Engine构建 · 序列化与反序列化
TensorRT部署基础
13
YOLOv11 TensorRT推理加速
FP16与INT8 Engine构建 · 动态shape处理 · 多流推理
YOLOv11TensorRT
14
NMS优化
NMS原理 · Soft-NMS · Cluster-NMS
NMS优化
15
模型轻量化设计
深度可分离卷积 · Ghost卷积 · ShuffleNet单元在YOLOv…
模型轻量化设计深度可分离卷积
16
注意力机制优化
SE模块 · CBAM模块 · CA模块在Neck中的插入与效果对比
注意力机制优化SE
17
数据预处理加速
Mosaic增强优化 · LetterBox填充优化 · 多线程DataLoader
数据预处理加速Mosaic
18
推理框架对比
PyTorch vs ONNX Ru… · 延迟与吞吐量对比
推理框架对比PyTorch
19
边缘端部署实战
Jetson Nano/Orin环境… · TensorRT部署 · 功耗与性能平衡
边缘端部署实战Jetson
20
模型集成与Bagging
多模型投票 · TTA(测试时增强) · 模型集成对精度与速度的影响
Bagging模型集成
21
稀疏化训练
STR(稀疏训练与剪枝) · SR-STE方法 · 稀疏化后的硬件加速
稀疏化训练STR
22
通道重排与重参数化
RepVGG思想在YOLOv11中的… · 结构重参数化训练
通道重排重参数化
23
模型蒸馏与剪枝联合优化
先剪枝后蒸馏 · 先蒸馏后剪枝 · 联合训练策略
模型蒸馏剪枝联合优化
24
自动化压缩工具链
NNI · Intel Neural Compr… · TensorRT Model Opt…
自动化压缩工具链NNI
25
性能分析工具使用
NVIDIA Nsight Syst… · PyTorch Profiler · flops-counter
性能分析工具使用NVIDIA
26
常见问题与调试
精度下降排查 · 速度瓶颈定位 · 内存溢出处理
常见问题调试
27
多卡与分布式推理
TensorRT多GPU推理 · DeepStream集成 · 负载均衡
多卡分布式推理
28
模型版本管理与回滚
MLflow模型注册 · A/B测试 · 灰度发布策略
模型版本管理回滚
29
端到端项目实战
从训练到部署全流程 · 性能报告生成 · 自动化CI/CD流水线
端到端项目实战从训练到部署全流…
30
课程总结与进阶方向
前沿技术展望 · 推荐 · 社区资源与持续学习路径
课程总结进阶方向