課程簡介

介紹

  • TensforFlow Lite在嵌入式系統和物聯網中改變遊戲規則的作用

TensorFlow Lite 功能和操作概述

  • 解決有限的裝置資源問題
  • 默認操作和擴展操作

設定TensorFlow Lite

  • 安裝 TensorFlow Lite 解釋器
  • 安裝其他 TensorFlow 軟體包
  • 從命令行工作與 Python API

選擇要在設備上運行的模型

  • 預訓練模型概述:圖像分類、目標檢測、智慧回復、姿態估計、分割
  • 從 TensorFlow Hub 或其他來源選擇模型

自定義預訓練模型

  • 遷移學習的工作原理
  • 重新訓練圖像分類模型

轉換模型

  • 瞭解 TensorFlow Lite 格式(大小、速度、優化等)
  • 將模型轉換為 TensorFlow Lite 格式

運行預測模型

  • 瞭解模型、解釋器、輸入數據如何協同工作
  • 從設備調用解釋器
  • 通過模型運行數據以獲取預測

加速模型操作

  • 了解車載加速度、GPUs 等。
  • 配置委託以加速操作

添加模型操作

  • 使用 TensorFlow Select 向模型添加操作。
  • 構建解釋器的自定義版本
  • 使用自定義運算符編寫或移植新操作

優化模型

  • 瞭解性能、模型大小和準確性之間的平衡
  • 使用模型優化工具包優化模型的大小和性能
  • 訓練後量化

故障排除

總結和結論

最低要求

  • 對深度學習概念的理解
  • Python程式設計經驗
  •  運行嵌入式 Linux 的設備(Raspberry Pi、Coral 設備等)

觀眾

  • 開發人員
  • 對嵌入式系統感興趣的數據科學家
 21 時間:

人數



每位參與者的報價

客戶評論 (4)

相關課程

The Yocto Project - An Overview - hands-on

28 時間:

Embedded Linux Systems Architecture

35 時間:

課程分類