課程簡介

低功耗AI簡介

  • AI在嵌入式系統中的概述
  • 低功耗設備上AI部署的挑戰
  • 節能的AI應用

模型優化技術

  • 量化及其對性能的影響
  • 剪枝與權重共享
  • 知識蒸餾以簡化模型

在低功耗硬件上部署AI模型

  • 使用TensorFlow Lite和ONNX Runtime進行邊緣AI
  • 使用NVIDIA TensorRT優化AI模型
  • 使用Coral TPU和Jetson Nano進行硬件加速

減少AI應用中的功耗

  • 功耗分析與效率指標
  • 低功耗計算架構
  • 動態功耗縮放與自適應推理技術

案例研究與實際應用

  • AI驅動的電池供電物聯網設備
  • 低功耗AI在醫療與可穿戴設備中的應用
  • 智慧城市與環境監測應用

最佳實踐與未來趨勢

  • 優化邊緣AI以實現可持續性
  • 節能AI硬件的進展
  • 低功耗AI研究的未來發展

總結與下一步

最低要求

  • 對深度學習模型的理解
  • 嵌入式系統或AI部署的經驗
  • 模型優化技術的基礎知識

受衆

  • AI工程師
  • 嵌入式開發者
  • 硬件工程師
 21 時間:

人數


每位參與者的報價

Upcoming Courses

課程分類