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通道剪枝加速部署指南

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

YOLOv11模型结构概览 · 为什么需要通道剪枝 · 剪枝加速的核心收益

课程导论YOLOv11

Python虚拟环境搭建 · PyTorch与CUDA安装 · YOLOv11源码下载与依赖安装

环境准备Python

模型结构解析

YOLOv11的Backbone · Neck · Head结构详解

模型结构解析YOLOv11

剪枝理论基础

结构化剪枝与非结构化剪枝 · 通道剪枝原理 · L1范数与BN层权重

剪枝理论基础结构化剪枝

BN层权重分析

BN层原理回顾 · 权重分布可视化 · 确定剪枝阈值

BN层权重分析

稀疏化训练

稀疏化训练的目的 · 稀疏化系数与惩罚项 · 修改损失函数

稀疏化训练稀疏化训练的目的

稀疏化训练实战

加载预训练权重 · 配置稀疏化参数 · 启动训练

稀疏化训练实战加载预训练权重

剪枝策略设计

全局剪枝 vs 局部剪枝 · 按层剪枝 vs 按通道剪枝 · 保留残差连接的关键通道

剪枝策略设计vs

剪枝脚本编写

解析模型结构 · 遍历各层BN权重 · 生成剪枝掩码

剪枝脚本编写解析模型结构

剪枝实战（一）

对Backbone进行通道剪枝 · 处理C2f模块的特殊性 · 验证剪枝后结构完整性

剪枝实战Backbone

剪枝实战（二）

对Neck部分进行剪枝 · 处理FPN/PAN结构 · 确保特征图维度匹配

剪枝实战Neck

剪枝实战（三）

对Head部分进行剪枝 · 处理检测头的输出通道 · 保持类别数不变

剪枝实战Head

剪枝后模型微调

为什么需要微调 · 微调策略（学习率 · epoch数）

剪枝后模型微调为什么需要微调

加载剪枝后模型 · 配置微调参数 · 启动微调

微调实战加载剪枝后模型

模型导出与格式转换

导出为TorchScript · 导出为ONNX · ONNX简化与优化

模型导出格式转换

ONNX Runtime部署

ONNX Runtime简介 · C++/Python推理接口 · 输入输出预处理

TensorRT部署（一）

TensorRT简介 · 安装与配置 · 将ONNX转为TensorRT引擎

TensorRT部署（二）

INT8量化原理 · 校准数据集准备 · INT8量化实战

TensorRT部署（三）

C++ TensorRT推理代码编写 · 内存管理 · 多线程推理

剪枝前后性能对比

模型大小对比 · FLOPs对比 · 推理速度对比（CPU/GPU）

剪枝前后性能对比模型大小对比

边缘端部署（Jetson）

Jetson平台介绍 · JetPack安装 · TensorRT on Jetson

Jetson边缘端部署

边缘端部署（RK3588）

RK3588 NPU简介 · RKNN工具链 · 模型转换与量化

RK3588边缘端部署

剪枝常见问题与调试

剪枝后模型不收敛 · mAP下降过多 · 推理报错

剪枝常见问题调试

高级剪枝策略

自动剪枝率搜索 · 基于遗传算法的剪枝 · 通道重要性排序

高级剪枝策略自动剪枝率搜索

与其他加速技术结合

剪枝 + 量化 · 剪枝 + 蒸馏 · 剪枝 + 算子融合

其他加速技术结合剪枝

实际项目案例（一）

工业缺陷检测场景 · 剪枝前后效果对比 · 部署到工控机

实际项目案例工业缺陷检测场景

实际项目案例（二）

智慧安防场景 · 人流计数模型剪枝 · 边缘盒子部署

实际项目案例智慧安防场景

模型安全与鲁棒性

剪枝对对抗样本的影响 · 鲁棒性评估 · 剪枝后模型校准

模型安全鲁棒性

剪枝工具与生态

Torch-Pruning库 · NNI剪枝框架 · 自定义剪枝工具

剪枝工具生态

课程总结与展望

核心知识点回顾 · 剪枝技术发展趋势 · 后续学习路径

课程总结核心知识点回顾