2米资源网

VIP
唐宇迪 深度学习模型部署与剪枝优化实战

【16402】-唐宇迪 深度学习模型部署与剪枝优化实战

  • 本站均为资源介绍,仅限用于学习和研究,不得将上述内容用于商业或者非法用途,
  • 否则一切后果请用户自负。您必须在下载后的24个小时之内,从您的电脑中彻底删除
  • 如果喜欢该资源请支持正版。如发现本站有侵权违法内容,请联系后查实将立刻删除。
  • 资源简介:唐宇迪 深度学习模型部署与剪枝优化实战
  • 详细描述

    唐宇迪 深度学习模型部署与剪枝优化实战


    01 AIoT人工智能物联网之认识 jetson nano
    01 jetson nano硬件介绍_ev.mp4
    02 jetson nano 刷机_ev.mp4
    03 jetson nano系统安装过程_ev.mp4
    04 感受nano的GPU算力_ev.mp4
    05安装使用摄像头csi usb_ev.mp4
    02 AIoT人工智能物联网之AI 实战
    01 jetson-inference 入门_ev.mp4
    02 docker 的安装使用_ev.mp4
    03 docker中运行分类模型_ev.mp4
    04 训练自己的目标检测模型准备_ev.mp4
    05 训练出自己目标识别模型a_ev.mp4
    06 训练出自己目标识别模型b_ev.mp4
    07 转换出onnx模型,并使用_ev.mp4
    03 AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
    01 NVIDIA TAO介绍和安装_ev.mp4
    02 NVIDIA TAO数据准备和环境设置_ev.mp4
    03 NVIDIA TAO数据转换_ev.mp4
    04 NVIDIA TAO预训练模型和训练a_ev.mp4
    05 NVIDIA TAO预训练模型和训练b_ev.mp4
    06 NVIDIA TAO预训练模型和训练c._ev.mp4
    07 TAO 剪枝在训练推理验证_ev.mp4
    04 AIoT人工智能物联网之deepstream
    01 deepstream介绍安装_ev.mp4
    02 deepstream HelloWorld_ev.mp4
    03 GStreamer RTP和RTSP1_ev.mp4
    04 GStreamer RTP和RTSP2_ev.mp4
    05 python实现RTP和RTSP_ev.mp4
    06 deepstream推理_ev.mp4
    07 deepstream集成yolov4_ev.mp4
    05 tensorRT视频
    06 pyTorch框架部署实践
    07 YOLO-V3物体检测部署实例
    08 docker实例演示
    09 tensorflow-serving实战
    10模型剪枝-Network Slimming算法分析
    11 模型剪枝-Network Slimming实战解读
    12 Mobilenet三代网络模型架构
    01 模型剪枝分析_ev.mp4
    02 常见剪枝方法介绍_ev.mp4
    03 mobilenet简介_ev.mp4
    04经典卷积计算量与参数量分析_ev.mp4
    05深度可分离卷积的作用与效果_ev.mp4
    06参数与计算量的比较_ev.mp4
    07 V1版本效果分析_ev.mp4
    08 V2版本改进以及Relu激活函数的问题_ev.mp4
    09 倒残差结构的作用_ev.mp4
    10 V2整体架构与效果分析_ev.mp4
    11 V3版本网络架构分析_ev.mp4
    12 SE模块作用与效果解读_ev.mp4
    13 代码实现mobilenetV3网络架构_ev.mp4
    配套资源

    唐宇迪 深度学习模型部署与剪枝优化实战
    百度网盘分享地址: 链接: https://pan.baidu.com/s/19bM5Jd8e6e6xN7aGUbP1mg?pwd=s68p 提取码: s68p
    2米资源网