首页
›
AI视觉与工业视觉
›
035-工业缺陷检测模型移植实战
›
《边缘AI模型训练转换与部署完整实战》
VIP20
本课程属于:035-工业缺陷检测模型移植实战
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
模型移植实战从训练到边缘部署
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
课程导论与部署全景
什么是模型部署?为什么需要边缘部署?…
课程导论
部署全景
02
深度学习模型基础回顾
神经网络核心概念 · 卷积与全连接层 · 激活函数与池化
深度学习模型基础…
神经网络核心概念
03
训练环境搭建
PyTorch/TensorFlow… · GPU驱动与CUDA配置 · 虚拟环境管理
训练环境搭建
PyTorch/Tens…
04
经典模型训练实战
用PyTorch训练一个图像分类模型…
经典模型训练实战
PyTorch
05
模型导出与序列化
PyTorch模型保存(.pth) · TorchScript追踪与脚本化 · ONNX导出
模型导出
序列化
06
ONNX基础与模型检查
ONNX格式解析 · 使用Netron可视化模型结构 · onnxruntime推理验证
ONNX
模型检查
07
模型量化原理
FP32 vs INT8 · 对称/非对称量化 · 量化感知训练(QAT)与训练后量化(…
模型量化原理
FP32
08
模型剪枝与蒸馏
结构化剪枝 · 知识蒸馏基础 · 轻量化模型设计思路(MobileNe…
模型剪枝
蒸馏
09
模型优化工具链
TensorRT基础 · ONNX Runtime优化 · OpenVINO工具套件
模型优化工具链
TensorRT
10
TensorRT实战
ONNX转TensorRT引擎 · 动态shape处理 · FP16/INT8精度配置
TensorRT
ONNX
11
边缘硬件概览
Jetson系列 · 树莓派 · Intel NUC
边缘硬件概览
Jetson
12
Jetson平台部署实战
JetPack SDK安装 · TensorRT on Jetson · DeepStream初步
Jetson
平台部署实战
13
树莓派部署实战
TensorFlow Lite on… · OpenCV优化 · 多线程推理
树莓派部署实战
TensorFlow
14
RK3588 NPU部署
RKNN工具链安装 · 模型转换 · NPU加速推理
RK3588
NPU
15
移动端部署
Android NNAPI · iOS CoreML · TFLite on Mobile
移动端部署
Android
16
Web端部署
TensorFlow.js · ONNX Runtime Web · WebAssembly推理
Web
端部署
17
模型服务化
Flask/FastAPI搭建推理服… · Docker容器化 · 负载均衡基础
模型服务化
Flask/FastAP…
18
边缘端推理框架
NCNN · MNN · TNN等国产推理框架对比与选型
边缘端推理框架
NCNN
19
NCNN实战
模型转换(ONNX2NCNN) · NCNN推理代码编写 · ARM汇编优化
NCNN
ONNX2NCNN
20
MNN实战
MNN模型转换 · MNN推理引擎使用 · 多线程与内存优化
MNN
模型转换
21
模型精度验证
部署后精度对比 · 误差分析 · 调试技巧
模型精度验证
部署后精度对比
22
性能调优
推理延迟优化 · 吞吐量提升 · 内存占用控制
性能调优
推理延迟优化
23
多模型协同
模型流水线 · 异步推理 · 共享内存通信
多模型协同
模型流水线
24
边缘端数据处理
图像预处理优化 · 视频流解码 · 传感器数据融合
边缘端数据处理
图像预处理优化
25
安全与隐私
模型加密 · TEE可信执行环境 · 联邦学习基础
安全
隐私
26
OTA更新与模型管理
远程模型更新 · 版本控制 · A/B测试
OTA
更新
27
端侧AI芯片
华为昇腾 · 寒武纪 · 地平线等国产芯片部署实践
AI
端侧
28
综合项目一
智能门禁系统(人脸检测+识别 · 从训练到Jetson部署)
综合项目一
智能门禁系统
29
综合项目二
工业缺陷检测(YOLOv5训练+量化…
综合项目二
YOLOv5
30
课程总结与进阶方向
MLOps · AutoML · 大模型边缘部署展望
课程总结
进阶方向
所属VIP或分类
同VIP:ONNX到TensorRT模型转换与推理优化实战
同VIP:TensorRT工业检测模型精度与性能优化实战
同VIP:工业检测模型ONNX转换兼容与精度调试实战