聯繫我們

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

人數


每位參與者的報價

客戶評論 (1)

即將到來的課程

課程分類