课程大纲

介绍

  • TensforFlow Lite在嵌入式系统和物联网中改变游戏规则的作用

TensorFlow Lite 功能和操作概述

  • 解决有限的设备资源问题
  • 默认操作和扩展操作

设置 TensorFlow Lite

  • 安装 TensorFlow Lite 解释器
  • 安装其他 TensorFlow 软件包
  • 从命令行工作与 Python API

选择要在设备上运行的模型

  • 预训练模型概述:图像分类、目标检测、智能回复、姿态估计、分割
  • 从 TensorFlow Hub 或其他来源选择模型

自定义预训练模型

  • 迁移学习的工作原理
  • 重新训练图像分类模型

转换模型

  • 了解 TensorFlow Lite 格式(大小、速度、优化等)
  • 将模型转换为 TensorFlow Lite 格式

运行预测模型

  • 了解模型、解释器、输入数据如何协同工作
  • 从设备调用解释器
  • 通过模型运行数据以获取预测

加速模型操作

  • 了解车载加速度、GPUs 等。
  • 配置委托以加速操作

添加模型操作

  • 使用 TensorFlow Select 向模型添加操作。
  • 构建解释器的自定义版本
  • 使用自定义运算符编写或移植新操作

优化模型

  • 了解性能、模型大小和准确性之间的平衡
  • 使用模型优化工具包优化模型的大小和性能
  • 训练后量化

故障 排除

总结和结论

要求

  • 对深度学习概念的理解
  • Python编程经验
  •  运行嵌入式 Linux 的设备(Raspberry Pi、Coral 设备等)

观众

  • 开发 人员
  • 对嵌入式系统感兴趣的数据科学家
  21 小时

人数



每位参与者的报价

客户评论 (3)

相关课程

Embedded Linux Systems Architecture

  35 小时

课程分类