感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
TensorFlow Lite 簡介
- TensorFlow Lite 及其架構概述
- 與 TensorFlow 及其他邊緣 AI 框架的比較
- 在邊緣 AI 中使用 TensorFlow Lite 的優勢和挑戰
- TensorFlow Lite 在邊緣 AI 應用中的案例研究
設置 TensorFlow Lite 環境
- 安裝 TensorFlow Lite 及其依賴項
- 配置開發環境
- 介紹 TensorFlow Lite 工具和庫
- 環境設置的動手練習
使用 TensorFlow Lite 開發 AI 模型
- 設計和訓練用於邊緣部署的 AI 模型
- 將 TensorFlow 模型轉換為 TensorFlow Lite 格式
- 優化模型性能與效率
- 模型開發和轉換的動手練習
部署 TensorFlow Lite 模型
- 在各種邊緣設備(如智能手機、微控制器)上部署模型
- 在邊緣設備上運行推理
- 排查部署問題
- 模型部署的動手練習
模型優化工具和技術
- 量化及其優勢
- 剪枝和模型壓縮技術
- 利用 TensorFlow Lite 的優化工具
- 模型優化的動手練習
構建實用邊緣 AI 應用
- 使用 TensorFlow Lite 開發現實世界的邊緣 AI 應用
- 將 TensorFlow Lite 模型與其他系統和應用集成
- 成功邊緣 AI 項目的案例研究
- 構建實用邊緣 AI 應目的動手項目
總結與後續步驟
最低要求
- 對 AI 和機器學習概念的瞭解
- 具有 TensorFlow 的使用經驗
- 基本編程技能(推薦 Python)
受眾
- 開發人員
- 數據科學家
- AI 從業者
14 小時
客戶評論 (1)
我們可以涵蓋高級主題,並運用實際案例
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
課程 - Advanced Edge AI Techniques
機器翻譯