聯繫我們

課程簡介

低功耗AI介紹

  • 嵌入式系統中的AI概覽
  • 在低功耗設備上部署AI的挑戰
  • 能源高效的AI應用

模型優化技術

  • 量化及其對效能的影響
  • 剪枝與權重共享
  • 用於簡化模型的知識蒸餾

在低功耗硬體上部署AI模型

  • 使用TensorFlow Lite和ONNX Runtime進行邊側AI
  • 使用NVIDIA TensorRT優化AI模型
  • 使用Coral TPU和Jetson Nano進行硬體加速

減少AI應用的功耗

  • 電力分析與效率指標
  • 低功耗運算架構
  • 動態電源擴展與自適應推論技術

案例研究與實際應用

  • AI驅動的電池供電IoT設備
  • 醫療與可穿戴設備的低功耗AI
  • 智慧城市與環境監控應用

最佳實踐與未來趨勢

  • 為永續性優化邊側AI
  • 能源高效AI硬體的發展
  • 低功耗AI研究的未來進展

總結與後續步驟

最低要求

  • 對深度學習模型的理解
  • 具備嵌入式系統或AI部署的經驗
  • 基本的模型優化技術知識

受眾

  • AI工程師
  • 嵌入式開發人員
  • 硬體工程師
 21 小時

客戶評論 (1)

課程分類