📘 STM32CubeAI 剪枝实战
30章 · 从入门到部署
⚡ 风格 · 明快紧凑
01
课程导论
为什么在STM32上做剪枝？精度平衡挑战，课程目标与前置知识。
02
STM32CubeAI基础回顾
CubeMX与CubeAI工作流，支持模型格式，部署流程快速演示。
03
模型剪枝基础概念
什么是剪枝？结构化/非结构化剪枝，剪枝率与稀疏度。
04
精度损失的原因分析
为什么剪枝导致精度下降？权重分布、梯度消失、过拟合风险。
05
剪枝策略分类
全局 vs 局部，一次性 vs 迭代，L1/L2范数剪枝。
06
工具链准备
安装TensorFlow/PyTorch、ONNX、STM32CubeAI、X-CUBE-AI。
07
基准模型训练
轻量级模型MobileNetV1，公开数据集训练并导出。
08
模型导出与量化
Keras转TFLite，通过CubeAI导入STM32。
09
第一次剪枝实战
使用TensorFlow Model Optimization Toolkit结构化剪枝。
10
剪枝后模型评估
PC端验证Top-1/Top-5精度，记录基线。
11
精度恢复技术（一）
微调策略，学习率调度，冻结层选择。
12
精度恢复技术（二）
知识蒸馏，教师-学生网络搭建。
13
精度恢复技术（三）
混合精度训练，损失函数调整。
14
迭代剪枝与重训练循环
剪枝-评估-微调闭环，找到最佳剪枝率。
15
剪枝率与精度的权衡曲线
绘制曲线，确定可接受阈值。
16
STM32硬件资源约束分析
Flash、RAM、MACC周期对模型大小的限制。
17
模型在STM32上的部署
CubeAI生成C代码，集成到STM32CubeIDE项目。
18
运行时性能测量
推理时间、峰值RAM、Flash占用，与PC端对比。
19
剪枝后模型的硬件适配
内存池调整，DMA优化，CMSIS-NN加速。
20
案例实战（一）手势识别
90%精度→80%，推理速度提升3倍。
21
案例实战（二）关键词唤醒
保持95%召回率，模型大小减半。
22
案例实战（三）异常检测
在STM32U5上实现实时推理。
23
多模型对比
不同剪枝策略(L1、随机、结构化)在同一硬件对比。
24
自动化剪枝工具开发
Python脚本批量测试剪枝率，自动生成报告。
25
精度回退与回滚机制
精度低于阈值自动回退到上一版本。
26
模型压缩组合拳
剪枝+量化+权重共享，协同效果分析。
27
边缘部署的工程化考量
OTA升级、模型版本管理、A/B测试。
28
常见问题与调试技巧
模型不收敛、推理全零、内存溢出等。
29
前沿趋势
NAS+剪枝，硬件感知剪枝，AutoML。
30
课程总结与项目实战
综合运用，完成完整STM32剪枝部署项目。