课程概述
深度学习模型部署与剪枝优化实例课程旨在帮助同学们快速掌握模型部署与优化方法。主要包括两大核心模块:1.基于深度学习框架PyTorch与Tensorflow2版本演示模型部署方法,使用docker工具简化环境配置与迁移问题;2.详解经典剪枝与模型设计论文并基于实例进行演示。整体风格通俗易懂,用最接地气的方式带领同学们快速掌握部署方法与优化实例。
课程大纲:
课程目录:
├──01.课程简介-.mp4 11.66M
├──02.所需基本环境配置-.mp4 24.92M
├──03.模型加载与数据预处理-.mp4 38.03M
├──04.接收与预测模块实现-.mp4 37.28M
├──05.效果实例演示-.mp4 41.66M
├──07.项目所需配置文件介绍-.mp4 24.02M
├──08.加载参数与模型权重-.mp4 35.46M
├──09.数据预处理-.mp4 54.01M
├──10.返回线性预测结果-.mp4 40.74M
├──11.docker简介-.mp4 25.19M
├──12.docker安装与配置-.mp4 26.35M
├──13.阿里云镜像配置-.mp4 15.00M
├──14.基于docker配置pytorch环境-.mp4 65.02M
├──15.安装演示环境所需依赖-.mp4 19.24M
├──16.复制所需配置到容器中-.mp4 16.10M
├──17.上传与下载配置好的项目-.mp4 27.25M
├──18.tf-serving项目获取与配置-.mp4 16.30M
├──19.加载并启动模型服务-.mp4 19.02M
├──20.测试模型部署效果-.mp4 23.13M
├──21.fashion数据集获取-.mp4 58.22M
├──22.加载fashion模型启动服务-.mp4 18.21M
├──23.论文算法核心框架概述-.mp4 19.83M
├──24.BatchNorm要解决的问题-.mp4 28.81M
├──25.BN的本质作用-.mp4 14.47M
├──26.额外的训练参数解读-.mp4 14.01M
├──27.稀疏化原理与效果-.mp4 16.01M
├──28.整体案例流程解读-.mp4 17.47M
├──29.加入L1正则化来进行更新-.mp4 15.28M
├──30.剪枝模块介绍-.mp4 14.94M
├──31.筛选需要的特征图-.mp4 20.65M
├──32.剪枝后模型参数赋值-.mp4 62.58M
├──33.微调完成剪枝模型-.mp4 22.22M
├──34.模型剪枝分析-.mp4 23.38M
├──35.常见剪枝方法介绍-.mp4 17.49M
├──36.mobilenet简介-.mp4 6.65M
├──37.经典卷积计算量与参数量分析-.mp4 18.11M
├──38.深度可分离卷积的作用与效果-.mp4 11.30M
├──39.参数与计算量的比较-.mp4 44.85M
├──40.V1版本效果分析-.mp4 17.59M
├──41.V2版本改进以及Relu激活函数的问题-.mp4 21.58M
├──42.倒残差结构的作用-.mp4 12.68M
├──43.V2整体架构与效果分析-.mp4 7.18M
├──44.V3版本网络架构分析-.mp4 8.75M
├──45.SE模块作用与效果解读-.mp4 23.27M
├──46.代码实现mobilenetV3网络架构-.mp4 33.17M
├──47.卷积网络参数定义-.mp4 14.97M
├──48.网络流程解读-.mp4 86.43M
├──49.Vision模块功能解读-.mp4 11.68M
├──50.分类任务数据集定义与配置-.mp4 58.36M
├──51.图像增强的作用-.mp4 9.71M
├──52.数据预处理与数据增强模块-.mp4 20.00M
├──53.Batch数据制作-.mp4 21.97M
├──54.迁移学习的目标-.mp4 9.05M
├──55.迁移学习策略-.mp4 11.52M
├──56.加载训练好的网络模型-.mp4 24.62M
├──57.优化器模块配置-.mp4 12.72M
├──58.实现训练模块-.mp4 18.10M
├──59.训练结果与模型保存-.mp4 22.01M
├──60.加载模型对测试数据进行预测-.mp4 46.92M
├──61.额外补充-Resnet论文解读-.mp4 58.66M
├──62.额外补充-Resnet网络架构解读-.mp4 23.08M
├──63.猫狗识别任务与数据简介-.mp4 25.32M
├──64.卷积网络涉及参数解读-.mp4 31.56M
├──65.网络架构配置-.mp4 38.75M
├──66.卷积模型训练与识别效果展示-.mp4 57.43M
└──资料.zip 1.26G
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。