嵌入式 AI / 边缘计算培训课程
培训对象： 有一定嵌入式基础，希望将人工智能算法部署到资源受限的边缘设备上的工程师。
培训目标： 使学员掌握将训练好的AI模型（特别是视觉模型）部署到嵌入式设备上的完整流程，包括模型转换、推理引擎使用和性能优化，能够开发具有AI能力的边缘计算产品。
培训内容介绍：
-
边缘AI概述： 讲解云计算与边缘计算的差异，边缘AI的应用场景（如智能摄像头、工业质检）及其面临的挑战（算力、功耗）。
-
AI模型基础与训练简介： 简要回顾神经网络基础（CNN），介绍如何使用TensorFlow或PyTorch等框架训练一个简单的模型（如手势识别、物体分类）。
-
模型轻量化技术： 学习模型剪枝、权重量化（INT8, FP16）和知识蒸馏的原理，讲解如何减小模型体积和计算量以适应嵌入式环境。
-
TensorFlow Lite for Microcontrollers： 深入讲解TFLite Micro框架，学习其在MCU上的部署流程，解释其解释器、算子是如何在无操作系统环境下运行的。
-
TFLite Micro实战： 在ARM Cortex-M开发板上移植TFLite Micro运行时，加载并运行一个量化后的人脸检测或关键词唤醒模型。
-
嵌入式推理引擎（NCNN/Tengine）： 介绍面向嵌入式Linux的推理框架，如NCNN、Tengine等，讲解其特点和在ARM平台上的编译与部署。
-
YOLO目标检测模型部署： 重点讲解如何将YOLO系列模型（如YOLOv5-tiny）转换为适合嵌入式平台的格式（如ONNX、NCNN），并在开发板上运行目标检测。
-
硬件加速单元利用： 学习如何利用硬件来加速AI推理，包括ARM的CMSIS-NN库（针对Cortex-M）和神经网络处理单元（NPU）的驱动与使用。
-
摄像头图像采集与预处理： 讲解如何通过摄像头驱动（如OV2640）采集图像数据，并进行缩放、格式转换（RGB888, YUV）等预处理，以符合模型输入要求。
-
推理结果后处理与决策： 学习解析模型输出的张量数据，将其转换为有意义的业务信息（如目标框、类别、置信度），并据此做出控制决策。
-
性能分析与优化： 分析模型推理各阶段（前处理、推理、后处理）的时间开销，学习使用profiling工具定位瓶颈，进行算子替换或多线程优化。
-
端云协同AI案例： 设计一个简单的端云协同方案，边缘设备负责实时采集和初步推理，将疑似异常的数据上传到云端进行更精确的二次分析。
如果您想学习本课程，请
预约报名
如果没找到合适的课程或有特殊培训需求，请
订制培训
除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916
技术服务需求表下载请点击
服务优势：
丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。
专家力量：
中国科学院相关研究所高级研究人员
西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等
大型公司高级工程师，项目经理，技术支持专家
中科信软培训中心，资深专家或讲师
大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高
多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享
针对客户实际需要，真实案例演示，互动式沟通，学有所值
