План на курса

Введение в низкоенергийна AI

  • Обзор на AI в вграждени системи
  • Проблеми при развъдването на AI на устройства с малко енергия
  • Енергоефективни приложения на AI

Техники за оптимизация на модели

  • Квантизация и нейното влияние на производителността
  • Подрязване и споделяне на теглата
  • Дистилация на знания за упростяване на модела

Развъдване на AI модели на хардуер с малко енергия

  • Използване на TensorFlow Lite и ONNX Runtime за AI на края на мрежата
  • Оптимизация на AI модели с NVIDIA TensorRT
  • Ускорение на хардуера с Coral TPU и Jetson Nano

Намаляване на енергийното потребление в AI приложенията

  • Профилиране на енергията и метрики за ефективност
  • Архитектури за изчисляване с малко енергия
  • Динамично масштабиране на енергията и адаптивни техники за извличане на заключения

Примерни изследвания и приложения в реалния свят

  • AI устройства с батерии за IoT
  • Низкоенергийна AI за здравеопазване и носим оборудване
  • Приложения за интелигентни градове и мониторинг на околната среда

Най-добра практика и бъдещи тенденции

  • Оптимизация на AI на края на мрежата за устойчивост
  • Развитие на енергоефективен AI хардуер
  • Бъдещи разработки в изследването на низкоенергийна AI

Резюме и следващи стъпки

Изисквания

  • Разбиране в модели за дълбоко обучение
  • Опит с вградени системи или развертане на AI
  • Основни знания за техники за оптимизация на модели

Целева аудитория

  • Инженери на AI
  • Разработчици на вградени системи
  • Хардуерни инженери
 21 часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории