〖课程简介〗
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〗
├──第一周
| ├──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
├──第二周
| ├──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
├──第三周
| ├──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
├──第四周
| ├──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
├──第五周
| ├──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
├──第七周
| ├──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