感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
低功率AI簡介
- 嵌入式系統中AI的概述
- 在低功耗設備上部署AI的挑戰
- 能源高效的AI應用
模型優化技術
- 量化及其對性能的影響
- 剪枝和權重共享
- 知識蒸餾用於模型簡化
在低功耗硬體上部署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進行硬體加速
減少AI應用中的功耗
- 電源分析和效率指標
- 低功耗計算架構
- 動態電源縮放和自適應推理技術
案例研究和實際應用
- AI驅動的電池供電IoT設備
- 醫療保健和可穿戴設備的低功率AI
- 智慧城市和環境監測應用
最佳實踐與未來趨勢
- 為可持續性優化邊緣AI
- 能源高效AI硬體的最新進展
- 低功率AI研究未來的發展
總結與後續步驟
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
- 模型優化技術的基本知識
受眾
- AI工程師
- 嵌入式開發人員
- 硬體工程師
21 小時
客戶評論 (1)
我們可以涵蓋高級主題,並運用實際案例
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
課程 - Advanced Edge AI Techniques
機器翻譯