Course Outline

Introductie

  • De baanbrekende rol van TensforFlow Lite op het gebied van embedded systemen en IoT

Overzicht van TensorFlow Lite-functies en -bewerkingen

  • Beperkte apparaatbronnen aanpakken 
  • Standaard en uitgebreide bewerkingen

Instellen TensorFlow Lite

  • De TensorFlow Lite-interpreter installeren
  • Andere TensorFlow pakketten installeren
  • Werken vanaf de opdrachtregel versus Python API

Een model kiezen om op een apparaat uit te voeren

  • Overzicht van vooraf getrainde modellen: beeldclassificatie, objectdetectie, slim antwoord, poseschatting, segmentatie
  • Een model kiezen uit TensorFlow Hub of een andere bron

Een vooraf getraind model aanpassen

  • Hoe werkt transfer learning?
  • Een afbeeldingsclassificatiemodel opnieuw trainen

Een model converteren

  • Inzicht in het TensorFlow Lite-formaat (grootte, snelheid, optimalisaties, enz.)
  • Een model converteren naar de TensorFlow Lite-indeling

Een voorspellingsmodel uitvoeren

  • Begrijpen hoe het model, de interpreter en de invoergegevens samenwerken
  • De tolk bellen vanaf een apparaat
  • Gegevens door het model laten lopen om voorspellingen te verkrijgen

Modelbewerkingen versnellen

  • Inzicht in on-board acceleratie, GPUs, enz.
  • Gedelegeerden configureren om bewerkingen te versnellen

Modelbewerkingen toevoegen

  • TensorFlow selecteren gebruiken om bewerkingen aan een model toe te voegen.
  • Een aangepaste versie van de interpreter bouwen
  • Aangepaste operators gebruiken om nieuwe bewerkingen te schrijven of over te zetten

Optimaliseren van het model

  • Inzicht in de balans tussen prestaties, modelgrootte en nauwkeurigheid
  • De Model Optimization Toolkit gebruiken om de grootte en prestaties van een model te optimaliseren
  • Kwantisatie na de training

Probleemoplossing

Samenvatting en conclusie

Requirements

  • Een goed begrip van deep learning-concepten
  • Python-programmeerervaring
  • Een apparaat met embedded Linux (Raspberry Pi, Coral-apparaat, etc.)

Publiek

  • Ontwikkelaars
  • Datawetenschappers met interesse in embedded systemen
  21 Hours
 

Getuigenissen (4)

Related Courses

The Yocto Project - An Overview - hands-on

  28 Hours

Embedded Linux Systems Architecture

  35 Hours

Related Categories