• 投稿

深度学习值得关注的创新点:模型剪枝轻量化与部署优化,基于Pytorch与TensorFlow,使用docker

4681
2
2024-09-10 20:00:42
53
33
163
22
模型剪枝轻量化与部署优化 深度学习值得关注的创新点
唐宇迪本人,我的人工智能学习路线图,论文指导、顶会论文发刊辅导,请统一后台私信我
视频选集
(1/45)
第1章:PyTorch框架部署实践:1. 课程简介
03:32
1-所需基本环境配置
05:53
2-模型加载与数据预处理
08:33
3-接收与预测模块实现
07:40
4-效果实例演示
08:21
第2章:YOLO-V3物体检测部署实例:1-项目所需配置文件介绍
07:10
2-加载参数与模型权重
07:41
3-数据预处理
10:38
4-返回线性预测结果
08:03
第3章:docker实例演示:1-docker简介
05:59
2-docker安装与配置
10:19
3-阿里云镜像配置
06:27
4-基于docker配置pytorch环境
10:57
5-安装演示环境所需依赖
09:39
6-复制所需配置到容器中
06:52
7-上传与下载配置好的项目
12:47
第4章:tensorflow-serving实战:1-tf-serving项目获取与配置
06:54
2-加载并启动模型服务
09:33
3-测试模型部署效果
08:51
4-fashion数据集获取
05:22
5-加载fashion模型启动服务
07:15
第5章:模型减枝-Network Slimming算法分析:1-论文算法核心框架概述
07:26
2-BatchNorm要解决的问题
06:56
3-BN的本质作用
07:57
4-额外的训练参数解读
07:16
5-稀疏化原理与效果
09:06
第6章:模型减枝-Network Slimming实战解读:1-整体案例流程解读
07:16
2-加入L1正则化来进行更新
06:33
3-剪枝模块介绍
05:02
4-筛选需要的特征图
09:20
5-剪枝后模型参数赋值
10:53
6-微调完成剪枝模型
06:45
第7章:Mobilenet三代网络模型架构:1-模型剪枝分析
07:25
2-常见剪枝方法介绍
11:41
3-mobilenet简介
04:11
4-经典卷积计算量与参数量分析
05:39
5-深度可分离卷积的作用与效果
07:14
6-参数与计算量的比较
15:00
7-V1版本效果分析
09:05
8-V2版本改进以及Relu激活函数的问题
07:25
9-倒残差结构的作用
06:43
10-V2整体架构与效果分析
04:10
11-V3版本网络架构分析
05:34
12-SE模块作用与效果解读
12:07
13-代码实现mobilenetV3网络架构
10:46
客服
顶部
赛事库 课堂 2021拜年纪