Course Outline

Εισαγωγή

    Ο ρόλος του παιχνιδιού TensforFlow Lite που αλλάζει στα ενσωματωμένα συστήματα και το IoT

Επισκόπηση των TensorFlow Lite Χαρακτηριστικών και Λειτουργιών

    Αντιμετώπιση περιορισμένων πόρων συσκευής Προεπιλεγμένες και εκτεταμένες λειτουργίες

Ρύθμιση TensorFlow Lite

    Εγκατάσταση του διερμηνέα TensorFlow Lite Εγκατάσταση άλλων πακέτων TensorFlow Εργασία από τη γραμμή εντολών έναντι του Python API

Επιλογή μοντέλου για εκτέλεση σε συσκευή

    Επισκόπηση προεκπαιδευμένων μοντέλων: ταξινόμηση εικόνων, ανίχνευση αντικειμένων, έξυπνη απάντηση, εκτίμηση πόζας, τμηματοποίηση Επιλογή μοντέλου από TensorFlow Hub ή άλλη πηγή

Προσαρμογή ενός προεκπαιδευμένου μοντέλου

    Πώς λειτουργεί η εκμάθηση μεταφοράς Επανεκπαίδευση ενός μοντέλου ταξινόμησης εικόνων

Μετατροπή μοντέλου

    Κατανόηση της μορφής TensorFlow Lite (μέγεθος, ταχύτητα, βελτιστοποιήσεις, κ.λπ.) Μετατροπή ενός μοντέλου σε μορφή TensorFlow Lite

Εκτέλεση ενός μοντέλου πρόβλεψης

    Κατανόηση του τρόπου συνεργασίας του μοντέλου, του διερμηνέα, των δεδομένων εισόδου Κλήση του διερμηνέα από μια συσκευή Εκτέλεση δεδομένων μέσω του μοντέλου για τη λήψη προβλέψεων

Επιτάχυνση Λειτουργιών Μοντέλου

    Κατανόηση της ενσωματωμένης επιτάχυνσης, GPUs, κ.λπ. Διαμόρφωση αντιπροσώπων για επιτάχυνση λειτουργιών

Προσθήκη λειτουργιών μοντέλου

    Χρησιμοποιώντας το TensorFlow Επιλέξτε για να προσθέσετε λειτουργίες σε ένα μοντέλο. Δημιουργία προσαρμοσμένης έκδοσης διερμηνέα Χρήση προσαρμοσμένων τελεστών για εγγραφή ή μεταφορά νέων λειτουργιών

Βελτιστοποίηση του μοντέλου

    Κατανόηση της ισορροπίας απόδοσης, μεγέθους μοντέλου και ακρίβειας Χρήση της εργαλειοθήκης βελτιστοποίησης μοντέλου για βελτιστοποίηση του μεγέθους και της απόδοσης ενός μοντέλου Κβαντισμός μετά την εκπαίδευση

Αντιμετώπιση προβλημάτων

Περίληψη και Συμπέρασμα

Requirements

  • Κατανόηση των εννοιών βαθιάς μάθησης
  • Εμπειρία προγραμματισμού Python
  • Μια συσκευή που εκτελεί ενσωματωμένο Linux (Raspberry Pi, συσκευή Coral, κ.λπ.)

Ακροατήριο

  • προγραμματιστές
  • Επιστήμονες δεδομένων με ενδιαφέρον για τα ενσωματωμένα συστήματα
  21 Hours
 

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Testimonials (4)

Related Courses

Buildroot: a Firmware Generator for Embedded Systems

  7 Hours

Shadowsocks: Set Up a Proxy Server

  7 Hours

The Yocto Project - An Overview - hands-on

  28 Hours

Embedded Linux Systems Architecture

  35 Hours

Embedded GNU/Linux Kernel Internals and Device Drivers

  35 Hours

Related Categories