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