深度学习模型部署与剪枝优化实例
深度学习模型部署实例、基于优秀论文解读剪枝优化实战
Description
在深度学习中，当我们使用框架训练好一个实际的模型之后，该怎么样进行部署以及优化？为此我们邀请了精通机器算法的唐宇迪老师，利用架构结合实战，帮助学员轻松掌握理论知识和实操技能，快速上手深度学习模型部署方法与剪枝优化实例。
本节课准备了可套用的Pytorch框架模版，通过物体检测部署实例掌握YOLO-V3的经典算法，灵活应用于工作中各种各样实际的检测；利用docker工具实例部署深度学习项目应用、tensorflow-serving实战演示模型部署方法；详细分析模型剪枝-Network Slimming算法，基于当下优秀的模型设计论文进行实战解读，最后通过大量图表和公式学习Mobilenet V1、V2、V3三代网络模型架构。
What You Will Learn!
- 了解Pytorch框架模版
- 了解docker实例
- 学习YOLO-V3物体检测部署实例
- 掌握模型剪枝算法
- 掌握Mobilenet三代网络模型架构
Who Should Attend!
- 深度学习方向的技术人员
- AI工程师、Python工程师
- 对深度学习感兴趣的学员