课程介绍:
AI技术的一个趋势是在设备端上部署高性能的神经网络模型,并在真实场景中实时运行。如移动端/嵌入式设备,这些设备的特点是内存资源少,处理器性能不高,功耗受限,这使得目前精度最高的模型根本无法在这些设备进行部署和达到实时运行
课程目录:
第01周
1.轻量化网络结构设计
Lecture1 轻量化网络结构设计-1_ev .mp4 86.23M
Lecture1 轻量化网络结构设计-2_ev .mp4 69.34M
Lecture1 轻量化网络结构设计-3_ev .mp4 80.33M
Lecture1 轻量化网络结构设计-4_ev .mp4 66.53M
Lecture1 轻量化网络结构设计-5_ev .mp4 51.35M
Lecture1 轻量化网络结构设计-6_ev .mp4 52.20M
2.实例分割相关的轻量网络并评估性能
Review1 实例分割相关的轻量网络并评估性能-1_ev .mp4 48.93M
Review1 实例分割相关的轻量网络并评估性能-2_ev .mp4 65.90M
第02周
使用知识蒸馏完成检测网络的压缩
使用知识蒸馏完成检测网络的压缩-1_ev .mp4 79.45M
使用知识蒸馏完成检测网络的压缩-2_ev .mp4 54.64M
知识蒸馏优化、低秩分解优化
知识蒸馏优化、低秩分解优化-1_ev .mp4 78.32M
知识蒸馏优化、低秩分解优化-2_ev .mp4 92.44M
知识蒸馏优化、低秩分解优化-3_ev .mp4 84.83M
知识蒸馏优化、低秩分解优化-4_ev .mp4 50.42M
知识蒸馏优化、低秩分解优化-5_ev .mp4 58.20M
第03周
使用结构化剪枝完成一个网络结构的剪枝
使用结构化剪枝完成一个网络结构的剪枝-1_ev .mp4 68.86M
使用结构化剪枝完成一个网络结构的剪枝-2_ev .mp4 79.07M
网络剪枝
网络剪枝-1_ev .mp4 80.12M
网络剪枝-2_ev .mp4 51.62M
网络剪枝-3_ev .mp4 77.43M
网络剪枝-4_ev .mp4 95.07M
网络剪枝-5_ev .mp4 74.38M
第04周
uint8量化一个网络-1_ev .mp4 62.38M
uint8量化一个网络-2_ev .mp4 81.67M
网络量化-1_ev .mp4 70.13M
网络量化-2_ev .mp4 108.74M
网络量化-3_ev .mp4 120.17M
网络量化-4_ev .mp4 71.51M
网络量化-5_ev .mp4 101.34M
第05周
就业分析+岗位推荐
就业分析+岗位推荐-1_ev .mp4 59.58M
就业分析+岗位推荐-2_ev .mp4 95.97M
了解openppll架构
了解openppll架构-1_ev .mp4 80.92M
了解openppll架构-2_ev .mp4 72.09M
神经网络编译器简介
神经网络编译器简介-1_ev .mp4 92.18M
神经网络编译器简介-2_ev .mp4 98.26M
神经网络编译器简介-3_ev .mp4 123.78M
神经网络编译器简介-4_ev .mp4 147.70M
神经网络编译器简介-5_ev .mp4 70.10M
第07周
ncnn-1_ev .mp4 108.34M
ncnn-2_ev .mp4 148.43M
ncnn-3_ev .mp4 131.69M
ncnn-4_ev .mp4 74.96M
ncnn-5_ev .mp4 91.43M
主题:使用ncnn进行离线量化并在eaidk310板子部署的demo-1_ev .mp4 108.55M
主题:使用ncnn进行离线量化并在eaidk310板子部署的demo-2_ev .mp4 158.39M
页:
[1]