Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Въведение в TensorFlow Lite
- Обзор на TensorFlow Lite и неговата архитектура
- Сравнение с TensorFlow и други рамки за умна периферна мрежа
- Предности и предизвикателства при използването на TensorFlow Lite за умна периферна мрежа
- Примери за използване на TensorFlow Lite в приложения на умна периферна мрежа
Настройка на средата за TensorFlow Lite
- Инсталиране на TensorFlow Lite и неговите зависимости
- Конфигуриране на разработъчната среда
- Въведение в инструментите и библиотеките на TensorFlow Lite
- Практически упражнения за настройка на средата
Разработка на AI модели с TensorFlow Lite
- Проектиране и обучение на AI модели за периферно разпространение
- Преобразуване на TensorFlow модели в формат на TensorFlow Lite
- Оптимизация на модели за производителност и ефективност
- Практически упражнения за разработка и преобразуване на модели
Разпространение на TensorFlow Lite модели
- Разпространение на модели на различни периферни устройства (например, смартфони, микроконтролъри)
- Извършване на изводи на периферни устройства
- Диагностика на проблеми при разпространението
- Практически упражнения за разпространение на модели
Инструменти и техники за оптимизация на модели
- Квантовация и нейните предности
- Техники за подрязване и компресия на модели
- Използване на инструментите за оптимизация на TensorFlow Lite
- Практически упражнения за оптимизация на модели
Създаване на практични приложения на умна периферна мрежа
- Разработване на реални приложения на умна периферна мрежа с TensorFlow Lite
- Интегриране на модели на TensorFlow Lite с други системи и приложения
- Примери за успешни проекти на умна периферна мрежа
- Практически проект за създаване на практично приложение на умна периферна мрежа
Резюме и следващи стъпки
Изисквания
- Разбиране на концепциите за изкуствен интелигент и машинен учене
- Опит с TensorFlow
- Основни навици в програмиране (Python се препоръчва)
Целева публика
- Разработчици
- Специалисти по данни
- Практикуващи изкуствен интелигент
14 часа