基于AI芯片的神经网络优化实战。 作为一个AI芯片轻量化网络结构设计的学习者,我深深体会到了网络结构剪枝、识蒸馏优化和低秩分解优化在实际应用中的重要性。 以下是我个人的一些心得体会: 网络结构剪枝是一种有效的减少模型复杂度和计算量的方法。 通过对神经网络中冗余参数的剪枝,可以大幅减少模型的大小和计算复杂度,从而提高模型的训练和推理速度。 同时,剪枝还可以使模型更加稀疏,从而提高模型的通用性和泛化能力。 ├── PART1
├── PART2
基于AI芯片的神经网络优化实战3.67GB
PART12.87GB
第04周615.94MB
uint8量化一个网络-1.mp462.38MB
uint8量化一个网络-2.mp481.67MB
网络量化-1.mp470.13MB
网络量化-2.mp4108.74MB
网络量化-3.mp4120.17MB
网络量化-4.mp471.51MB
网络量化-5.mp4101.34MB
第05周785.61MB
就业分析+岗位推荐100.57MB
就业分析+岗位推荐-1.mp441.7MB
就业分析+岗位推荐-2.mp458.87MB
了解openppll架构153.01MB
了解openppll架构-1.mp480.92MB
了解openppll架构-2.mp472.09MB
神经网络编译器简介532.02MB
神经网络编译器简介-1.mp492.18MB
神经网络编译器简介-2.mp498.26MB
神经网络编译器简介-3.mp4123.78MB
神经网络编译器简介-4.mp4147.7MB
神经网络编译器简介-5.mp470.1MB
第二周498.31MB
使用知识蒸馏完成检测网络的压缩134.09MB
使用知识蒸馏完成检测网络的压缩-1.mp479.45MB
使用知识蒸馏完成检测网络的压缩-2.mp454.64MB
知识蒸馏优化、低秩分解优化364.22MB
知识蒸馏优化、低秩分解优化-1.mp478.32MB
知识蒸馏优化、低秩分解优化-2.mp492.44MB
知识蒸馏优化、低秩分解优化-3.mp484.83MB
知识蒸馏优化、低秩分解优化-4.mp450.42MB
知识蒸馏优化、低秩分解优化-5.mp458.2MB
第三周518.57MB
使用结构化剪枝完成一个网络结构的剪枝139.94MB
使用结构化剪枝完成一个网络结构的剪枝-1.mp462.46MB
使用结构化剪枝完成一个网络结构的剪枝-2.mp477.48MB
网络剪枝378.63MB
网络剪枝-1.mp480.12MB
网络剪枝-2.mp451.62MB
网络剪枝-3.mp477.43MB
网络剪枝-4.mp495.07MB
网络剪枝-5.mp474.38MB
第一周520.8MB
1.轻量化网络结构设计405.97MB
Lecture1 轻量化网络结构设计-1.mp486.23MB
Lecture1 轻量化网络结构设计-2.mp469.34MB
Lecture1 轻量化网络结构设计-3.mp480.33MB
Lecture1 轻量化网络结构设计-4.mp466.53MB
Lecture1 轻量化网络结构设计-5.mp451.35MB
Lecture1 轻量化网络结构设计-6.mp452.2MB
2.实例分割相关的轻量网络并评估性能114.83MB
Review1 实例分割相关的轻量网络并评估性能-1.mp448.93MB
Review1 实例分割相关的轻量网络并评估性能-2.mp465.9MB
PART2821.81MB
第06-07周821.81MB
刀网地址发布页.url114B
ncnn-1.mp4108.34MB
ncnn-2.mp4148.43MB
ncnn-3.mp4131.69MB
ncnn-4.mp474.96MB
ncnn-5.mp491.43MB
README.txt1.91KB
主题:使用ncnn进行离线量化并在eaidk310板子部署的demo-1.mp4108.55MB
主题:使用ncnn进行离线量化并在eaidk310板子部署的demo-2.mp4158.39MB