🌱 TinyML · 硬件选型与性能优化
📘 30章 从入门到实战 · 友好色系
🧑🚀
动手玩转边缘AI
01
TinyML概述
什么是TinyML
应用场景
与传统ML区别
挑战与机遇
02
硬件选型基础
MCU vs MPU
算力需求评估
内存与存储
功耗预算
03
主流MCU平台对比
ARM Cortex-M
RISC-V
ESP32系列
STM32系列
04
AI加速芯片
NPU与TPU
Google Coral
Intel Movidius
K210芯片
05
传感器选型
摄像头传感器
麦克风阵列
IMU传感器
环境传感器
06
内存与存储选型
SRAM vs PSRAM
Flash存储
外部存储扩展
DMA与缓存
07
功耗管理
动态电压频率调整
睡眠与唤醒
电源管理IC
能量采集
08
通信接口选型
SPI与I2C
UART与USB
蓝牙BLE
WiFi与以太网
09
开发板选型
Arduino Nano
ESP32开发板
STM32 Nucleo
Raspberry Pi Pico
10
TensorFlow Lite Micro
TFLM架构
算子支持列表
内存分配器
解释器配置
11
模型量化技术
FP32转INT8
量化感知训练
混合精度量化
校准数据集
12
模型剪枝与蒸馏
结构化剪枝
非结构化剪枝
知识蒸馏
剪枝后微调
13
算子优化
卷积算子优化
全连接层优化
激活函数优化
池化层优化
14
内存优化
内存复用技术
张量生命周期
就地操作
内存池设计
15
推理引擎优化
X-Cube-AI
STM32Cube.AI
Edge Impulse
SensiML
16
基准测试
MLPerf Tiny
性能指标定义
延迟与吞吐量
功耗测量
17
实时性优化
中断优先级
任务调度策略
看门狗与超时
RTOS集成
18
多核与异构计算
双核MCU架构
DSP协处理器
NPU协同
负载均衡
19
固件优化
编译器优化
链接脚本优化
启动代码优化
堆栈大小调整
20
调试与性能分析
JTAG/SWD调试
性能计数器
日志与跟踪
Profiling工具
21
OTA更新
固件差分更新
安全启动
回滚机制
OTA协议选型
22
安全与隐私
加密引擎
安全元件
模型加密
对抗攻击防护
23
边缘端部署
模型打包
部署流水线
版本管理
A/B测试
24
案例：关键词唤醒
KWS系统设计
MFCC特征
DNN模型部署
实时测试
25
案例：视觉识别
MobileNet部署
图像预处理
帧率优化
精度调优
26
案例：异常检测
振动分析
LSTM部署
阈值设定
误报率控制
27
案例：手势识别
IMU数据处理
CNN模型
实时分类
功耗优化
28
性能调优方法论
瓶颈分析
迭代优化
自动化调优
回归测试
29
成本分析
BOM成本
开发成本
制造成本
维护成本
30
未来趋势
存内计算
可重构计算
神经形态芯片
TinyML标准
点击卡片跳转对应章节 · 30章完整目录