01
MobileViT初探：从CNN到ViT的演进之路
为什么需要MobileViT？视觉Transformer轻量化革命
演进动机
02
ViT核心原理
Patch Embedding · Transformer Encoder · Class · 位置编码
Transformer编码
03
MobileNetV3回顾
深度可分离卷积 · SE模块 · h-swish激活函数
轻量CNNMobileNet
04
MobileViT块详解
局部表示 · 全局表示 · 融合策略
核心模块融合
05
MobileViT网络架构
整体结构 · S/XS/XXS版本对比
架构版本
06
环境搭建
PyTorch · TorchVision · Timm库安装与配置
配置工具
07
数据准备
ImageNet子集下载 · RandAugment · MixUp增强
数据增强
08
模型实现
从零搭建MobileViT-S网络 · 代码实战
代码PyTorch
09
训练脚本
完整训练循环 · 学习率调度 · 梯度裁剪
训练调度
10
训练技巧
标签平滑 · EMA · Warmup策略
技巧调优
11
模型评估
Top-1/Top-5 · 参数量 · FLOPs计算
评估指标
12
模型导出
TorchScript · ONNX格式转换
导出ONNX
13
ONNX优化
简化模型 · 动态形状 · FP16量化
优化量化
14
NCNN介绍
腾讯开源推理框架 · 架构特点 · 支持平台
NCNN推理
15
NCNN模型转换
从ONNX到NCNN完整流程
转换部署
16
NCNN量化
Int8量化原理 · 校准数据集 · 精度验证
量化Int8
17
Android端部署
Android Studio配置 · NCNN集成 · JNI调用
AndroidJNI
18
iOS端部署
Xcode配置 · CoreML集成 · Metal性能优化
iOSCoreML
19
TFLite部署
TFLite转换 · GPU委托 · NNAPI加速
TFLiteGPU
20
OpenVINO部署
Intel平台优化 · 同步/异步推理
OpenVINOIntel
21
TensorRT部署
NVIDIA GPU优化 · FP16/INT8引擎构建
TensorRTGPU
22
性能对比
不同框架延迟与吞吐量 · 移动端/边缘
对比基准
23
模型剪枝
结构化/非结构化剪枝 · MobileViT剪枝实践
剪枝压缩
24
知识蒸馏
教师模型选择 · 蒸馏损失 · 温度调优
蒸馏小型化
25
轻量级变体
MobileViTv2 · v3 · EfficientFormer
变体前沿
26
边缘设备实战
树莓派4B · Jetson Nano部署
边缘Jetson
27
Web端部署
ONNX Runtime Web · TensorFlow.js
Web浏览器
28
应用案例
图像分类 · 目标检测(MobileViT-SSD) · 语义分割
案例检测
29
常见问题
精度下降 · 推理崩溃 · 内存溢出解决方案
排错实战
30
未来展望
下一代轻量级ViT架构 · 自动化部署工具链
趋势展望