Kurzusleírás

A TensorFlow Lite bemutatása

  • A TensorFlow Lite és architektúrája áttekintése
  • Összehasonlítás a TensorFlow-val és más élvonalbeli AI keretrendszerekkel
  • A TensorFlow Lite for Edge AI használatának előnyei és kihívásai
  • A TensorFlow Lite esettanulmányai az Edge AI alkalmazásokban

A TensorFlow Lite környezet beállítása

  • A TensorFlow Lite és függőségei telepítése
  • A fejlesztői környezet konfigurálása
  • A TensorFlow Lite eszközök és könyvtárak bemutatása
  • Gyakorlati gyakorlatok a környezet beállításához

AI modellek fejlesztése TensorFlow Lite segítségével

  • AI-modellek tervezése és betanítása szélsőséges telepítéshez
  • TensorFlow modell konvertálása TensorFlow Lite formátumba
  • A modellek optimalizálása a teljesítmény és a hatékonyság érdekében
  • Gyakorlati gyakorlatok a modellfejlesztéshez és -átalakításhoz

TensorFlow Lite modellek telepítése

  • Modellek telepítése különféle éleszközökön (pl. okostelefonok, mikrokontrollerek)
  • Következtetések futtatása éleszközökön
  • Telepítési problémák hibaelhárítása
  • Gyakorlati gyakorlatok a modell telepítéséhez

Eszközök és technikák a modelloptimalizáláshoz

  • A kvantálás és előnyei
  • Metszés és modell tömörítési technikák
  • A TensorFlow Lite optimalizáló eszközeinek használata
  • Gyakorlati gyakorlatok a modelloptimalizáláshoz

Praktikus Edge AI-alkalmazások készítése

  • Valós Edge AI-alkalmazások fejlesztése a TensorFlow Lite segítségével
  • A TensorFlow Lite modellek integrálása más rendszerekkel és alkalmazásokkal
  • Esettanulmányok sikeres Edge AI projektekről
  • Gyakorlati projekt egy gyakorlati Edge AI alkalmazás elkészítéséhez

Összegzés és a következő lépések

Követelmények

  • Az AI és a gépi tanulási koncepciók megértése
  • Tapasztalat: TensorFlow
  • Alapvető programozási ismeretek (Python ajánlott)

Közönség

  • Fejlesztők
  • Adattudósok
  • AI gyakorlók
 14 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák