📘 STM32CubeAI · 版本管理
迭代策略 · 30章 完整目录
🎯 友好色系
01
课程导论：为什么需要模型版本管理？STM32CubeAI项目中的痛点分析。
版本管理必要性 · 实际项目痛点
02
版本管理基础：Git在嵌入式AI项目中的基本配置与工作流。
Git初始化 · 嵌入式AI工作流
03
模型文件管理：.tflite、.h5、ONNX等格式的存储与命名规范。
多格式存储 · 命名规范
04
数据集版本控制：使用DVC（Data Version Control）管理训练数据集。
DVC入门 · 数据集追踪
05
训练脚本版本化：将Python训练脚本纳入Git仓库的最佳实践。
脚本纳入Git · 最佳实践
06
CubeAI项目结构：理解STM32CubeAI生成的工程目录结构。
工程目录解析
07
模型元数据管理：记录模型精度、大小、推理时间等关键指标。
元数据记录 · 关键指标
08
实验追踪工具：使用MLflow或Weights & Biases记录训练实验。
MLflow / W&B 实验追踪
09
模型量化版本：INT8与FP32版本的区分与共存策略。
INT8 / FP32 共存
10
模型验证流程：自动化测试脚本确保模型在硬件上的表现。
自动化硬件测试
11
迭代策略概述：从V1.0到V2.0的演进路线图设计。
路线图 · 版本演进
12
小步快跑策略：每次迭代只改变一个变量（数据、模型结构或超参数）。
单变量迭代
13
A/B测试框架：在STM32上部署两个版本模型进行对比。
硬件A/B测试
14
回滚机制：当新模型效果变差时，如何快速切回旧版本。
快速回滚策略
15
标签与发布：使用Git Tag标记可发布的模型版本。
Git Tag 发布
16
分支策略：Git Flow在AI模型开发中的应用。
Git Flow 模型开发
17
持续集成（CI）：搭建自动化训练与验证流水线。
CI 自动化流水线
18
持续部署（CD）：将模型自动部署到测试板卡。
CD 自动部署
19
模型注册表：建立公司内部的模型版本中心仓库。
内部模型注册表
20
跨团队协作：算法工程师与嵌入式工程师的版本同步机制。
算法 & 嵌入式同步
21
模型签名与校验：防止模型文件被篡改。
签名校验 · 安全
22
依赖环境管理：使用Conda或Docker锁定Python与库版本。
Conda / Docker 环境锁定
23
硬件适配版本：针对不同STM32系列（F4/H7/L5）的模型变体管理。
F4/H7/L5 变体
24
性能基线建立：每次迭代前必须对比的基准指标。
基线指标对比
25
文档同步更新：模型版本对应的API文档与使用说明。
API文档同步
26
模型老化管理：定期评估旧版本模型是否需要退役。
模型退役评估
27
合规与审计：记录模型变更历史以满足行业标准。
变更历史 · 合规审计
28
灾难恢复：备份策略与版本恢复演练。
备份 & 恢复演练
29
案例实战：从零开始为一个语音识别项目建立版本管理体系。
语音识别实战
30
课程总结与未来展望：边缘AI模型管理的趋势与工具演进。
总结 · 边缘AI趋势
✨ 友好 · 30章完整目录