扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
买过本商品的人还买了
多模态大模型:技术原理与实战
¥63.0¥100.0利用PYTHON进行数据分析(原书第3版)
¥104.3¥149.0VUE.JS 3+TYPESCRIPT完全指南
¥103.4¥159.0重构到微服务
¥53.9¥98.0WTF Solidity智能合约教程(入门篇)
¥50.3¥68.0
深度学习框架及系统部署实战(微课视频版) 版权信息
- ISBN：9787302647294
- 条形码：9787302647294 ; 978-7-302-64729-4
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>>
深度学习框架及系统部署实战(微课视频版) 本书特色
融合智能，释放未来！
从理论到实践，理解并掌握高效部署深度学习模型的关键策略与技巧。
揭示将人工智能引入现实世界的无限潜力，让智能变革触手可及。
深度学习框架及系统部署实战(微课视频版) 内容简介
在数字化时代，嵌入式人工智能系统和深度学习等技术变得越来越重要。在嵌入式平台上进行深度学习推理时会受到计算能力、存储空间、能耗等资源的挑战。本书从深度学习模型在资源受限的硬件平台上部署的角度，介绍嵌入式AI系统的基本概念、需求、挑战，以及其软硬件解决方案。 本书共分为7章。第1章介绍了边缘计算； 第2章介绍了嵌入式AI系统的基本概念及其面临的需求与挑战； 第3章介绍了嵌入式AI系统的硬件解决方案； 第4~6章介绍了嵌入式AI系统的软件解决方案，包括DNN模型的构建及实现、轻量级DNN模型的构建、模型轻量化方法及实现； 第7章介绍了DNN模型的硬件部署。本书提供了基于Python语言和Torch API的大量代码解析，并针对Intel系列和NVIDIA系列芯片的硬件部署分别进行介绍。 本书适合作为高等院校计算机专业、软件工程专业的教材，也可供对深度学习、计算机视觉、嵌入式AI系统等感兴趣的开发人员、广大科技工作者和研究人员参考。
深度学习框架及系统部署实战(微课视频版) 目录
第1章边缘计算
1．1云计算与边缘计算
1．2边缘计算的挑战
1．2．1DNN模型设计
1．2．2DNN模型轻量化
1．2．3硬件优化部署
1．3云边端任务协作
1．4本章小结
1．5习题
第2章嵌入式AI系统
2．1嵌入式AI系统的概念
2．2嵌入式AI系统的硬件结构
2．3嵌入式AI系统的软件结构
2．3．1驱动层
2．3．2操作系统层
2．3．3中间件层
2．3．4应用层
2．4嵌入式深度学习技术
2．5嵌入式AI系统的应用
2．5．1车载辅助驾驶系统
2．5．2无人机智能巡检系统
2．5．3VR设备
2．6嵌入式AI系统的需求与挑战
2．7本章小结
2．8习题
深度学习框架及系统部署实战（微课视频版）
目录
第3章嵌入式AI系统的硬件解决方案 3．1通用类芯片——GPU 3．2半定制化芯片——FPGA 3．3全定制化芯片——ASIC 3．4类脑芯片 3．5对四大类型AI芯片的总结与展望 3．5．1对AI芯片的总结 3．5．2对AI芯片的展望 3．6本章小结 3．7习题 第4章深度卷积神经网络(DCNN)模型的构建及实现 4．1神经网络的概念及发展历史 4．1．1神经元的结构 4．1．2感知机 4．1．3BP算法 4．1．4神经网络的发展历史 4．2深度卷积神经网络(DCNN) 4．2．1深度学习的概念 4．2．2DCNN的概念 4．2．3DCNN的构成 4．2．4DCNN的训练 4．3几种常用的DNN模型结构 4．3．1AlexNet 4．3．2VGG 4．3．3GoogLeNet 4．3．4ResNet 4．3．5网络模型对比 4．3．6迁移学习 4．4图像识别项目实战 4．5本章小结 4．6习题 第5章轻量级DCNN模型 5．1MobileNet系列 5．1．1MobileNet V1 5．1．2MobileNet V2 5．1．3MobileNet V3 5．2ShuffleNet系列 5．2．1ShuffleNet V1 5．2．2ShuffleNet V2 5．3轻量级DCNN模型对比 5．4项目实战 5．4．1MobileNet V3模型构建 5．4．2ShuffleNet V2模型构建 5．5本章小结 5．6习题 第6章深度学习模型轻量化方法及实现 6．1网络模型剪枝 6．1．1基本原理 6．1．2网络模型的剪枝分类 6．1．3剪枝标准 6．1．4剪枝流程 6．1．5代码实现 6．2参数量化 6．2．1基本原理 6．2．2参数量化算法的分类 6．2．3参数量化流程 6．2．4代码实现 6．3知识蒸馏法 6．3．1基本原理 6．3．2知识蒸馏算法流程 6．3．3代码实现 6．4本章小结 6．5习题 第7章AI模型的硬件部署 7．1开放神经网络交换(ONNX)格式 7．1．1ONNX模型 7．1．2Torch模型转ONNX模型实例 7．1．3ONNX 工作原理 7．1．4ONNX模型推理 7．1．5推理速度对比 7．2Intel系列芯片部署方法 7．2．1OpenVINO的简介 7．2．2OpenVINO的安装 7．2．3OpenVINO工作流程 7．2．4OpenVINO推理示例 7．3NVIDIA系列芯片部署方法 7．3．1TensorRT的简介 7．3．2TensorRT的安装 7．3．3TensorRT模型转换 7．3．4部署TensorRT模型 7．4本章小结 7．5习题
目录
第3章嵌入式AI系统的硬件解决方案 3．1通用类芯片——GPU 3．2半定制化芯片——FPGA 3．3全定制化芯片——ASIC 3．4类脑芯片 3．5对四大类型AI芯片的总结与展望 3．5．1对AI芯片的总结 3．5．2对AI芯片的展望 3．6本章小结 3．7习题 第4章深度卷积神经网络(DCNN)模型的构建及实现 4．1神经网络的概念及发展历史 4．1．1神经元的结构 4．1．2感知机 4．1．3BP算法 4．1．4神经网络的发展历史 4．2深度卷积神经网络(DCNN) 4．2．1深度学习的概念 4．2．2DCNN的概念 4．2．3DCNN的构成 4．2．4DCNN的训练 4．3几种常用的DNN模型结构 4．3．1AlexNet 4．3．2VGG 4．3．3GoogLeNet 4．3．4ResNet 4．3．5网络模型对比 4．3．6迁移学习 4．4图像识别项目实战 4．5本章小结 4．6习题 第5章轻量级DCNN模型 5．1MobileNet系列 5．1．1MobileNet V1 5．1．2MobileNet V2 5．1．3MobileNet V3 5．2ShuffleNet系列 5．2．1ShuffleNet V1 5．2．2ShuffleNet V2 5．3轻量级DCNN模型对比 5．4项目实战 5．4．1MobileNet V3模型构建 5．4．2ShuffleNet V2模型构建 5．5本章小结 5．6习题 第6章深度学习模型轻量化方法及实现 6．1网络模型剪枝 6．1．1基本原理 6．1．2网络模型的剪枝分类 6．1．3剪枝标准 6．1．4剪枝流程 6．1．5代码实现 6．2参数量化 6．2．1基本原理 6．2．2参数量化算法的分类 6．2．3参数量化流程 6．2．4代码实现 6．3知识蒸馏法 6．3．1基本原理 6．3．2知识蒸馏算法流程 6．3．3代码实现 6．4本章小结 6．5习题 第7章AI模型的硬件部署 7．1开放神经网络交换(ONNX)格式 7．1．1ONNX模型 7．1．2Torch模型转ONNX模型实例 7．1．3ONNX 工作原理 7．1．4ONNX模型推理 7．1．5推理速度对比 7．2Intel系列芯片部署方法 7．2．1OpenVINO的简介 7．2．2OpenVINO的安装 7．2．3OpenVINO工作流程 7．2．4OpenVINO推理示例 7．3NVIDIA系列芯片部署方法 7．3．1TensorRT的简介 7．3．2TensorRT的安装 7．3．3TensorRT模型转换 7．3．4部署TensorRT模型 7．4本章小结 7．5习题
展开全部
书友推荐
- >
山海经
山海经
¥20.4¥68.0 - >
推拿
推拿
¥12.2¥32.0 - >
月亮与六便士
月亮与六便士
¥18.1¥42.0 - >
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
¥6.3¥14.0 - >
巴金－再思录
巴金－再思录
¥14.7¥46.0 - >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥17.4¥58.0 - >
我与地坛
我与地坛
¥15.4¥28.0
本类畅销
-
快速开发(纪念版)
¥63.7¥128 -
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206 -
4.23文创礼盒B款--“作家言我精神状态”
¥42.3¥206 -
一句顶一万句 (印签版)
¥40.4¥68 -
百年书评史散论
¥14.9¥38 -
1980年代:小说六记
¥52.8¥69
