课程大纲

低功耗AI简介

  • AI在嵌入式系统中的概述
  • 低功耗设备上AI部署的挑战
  • 节能的AI应用

模型优化技术

  • 量化及其对性能的影响
  • 剪枝与权重共享
  • 知识蒸馏以简化模型

在低功耗硬件上部署AI模型

  • 使用TensorFlow Lite和ONNX Runtime进行边缘AI
  • 使用NVIDIA TensorRT优化AI模型
  • 使用Coral TPU和Jetson Nano进行硬件加速

减少AI应用中的功耗

  • 功耗分析与效率指标
  • 低功耗计算架构
  • 动态功耗缩放与自适应推理技术

案例研究与实际应用

  • AI驱动的电池供电物联网设备
  • 低功耗AI在医疗与可穿戴设备中的应用
  • 智慧城市与环境监测应用

最佳实践与未来趋势

  • 优化边缘AI以实现可持续性
  • 节能AI硬件的进展
  • 低功耗AI研究的未来发展

总结与下一步

要求

  • 对深度学习模型的理解
  • 嵌入式系统或AI部署的经验
  • 模型优化技术的基础知识

受众

  • AI工程师
  • 嵌入式开发者
  • 硬件工程师
 21 小时

即将举行的公开课程

课程分类