Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione
- Il ruolo rivoluzionario di TensforFlow Lite nei sistemi embedded e nell'IoT
Panoramica di TensorFlow Lite Funzioni e operazioni
- Gestione dellerisorse limitate del dispositivo
- Operazioni predefinite ed espanse
Impostazione TensorFlow Lite
- Installazione dell'interprete TensorFlow Lite
- Installazione di altri pacchetti TensorFlow
- Lavorare dalla riga di comando rispetto all'API Python
Scelta di un modello da eseguire su un dispositivo
- Panoramica dei modelli pre-addestrati: classificazione delle immagini, rilevamento di oggetti, risposta intelligente, stima della posa, segmentazione
- Scelta di un modello da TensorFlow Hub o da un'altra fonte
Personalizzazione di un modello pre-addestrato
- Come funziona il transfer learning
- Ripetizione del training di un modello di classificazione delle immagini
Conversione di un modello
- Comprendere il formato TensorFlow Lite (dimensioni, velocità, ottimizzazioni, ecc.)
- Conversione di un modello nel formato TensorFlow Lite
Esecuzione di un modello di stima
- Comprendere come il modello, l'interprete e i dati di input interagiscono
- Chiamare l'interprete da un dispositivo
- Esecuzione dei dati attraverso il modello per ottenere stime
Accelerazione delle operazioni del modello
- Comprendere l'accelerazione a bordo, GPUs, ecc.
- Configurazione dei delegati per accelerare le operazioni
Aggiunta di operazioni sul modello
- Uso di TensorFlow Selezionare per aggiungere operazioni a un modello.
- Creazione di una versione personalizzata dell'interprete
- Utilizzo di operatori personalizzati per scrivere o convertire nuove operazioni
Ottimizzazione del modello
- Comprendere l'equilibrio tra prestazioni, dimensioni del modello e precisione
- Utilizzo di Model Optimization Toolkit per ottimizzare le dimensioni e le prestazioni di un modello
- Quantizzazione post-training
Risoluzione dei problemi
Riassunto e conclusione
Requisiti
- Comprensione dei concetti di deep learning
- Esperienza di programmazione Python
- Un dispositivo che esegue Linux embedded (Raspberry Pi, dispositivo Coral, ecc.)
Pubblico
- Gli sviluppatori
- Data scientist con un interesse per i sistemi embedded
21 ore
Recensioni (4)
Forse più esercizi potrebbero essere migliori per lerning, ma il tempo era troppo poco
Gianpiero Arico' - Urmet Spa
Corso - Embedded Linux Systems Architecture
Traduzione automatica
That the trainer adapts to our needs
Eduardo Fontecha - ORMAZABAL PROTECTION & AUTOMATION S.L.U.
Corso - The Yocto Project - An Overview - hands-on
I understood the process of the operating system and how do we link all factors together information of network as well so now I have an obvious and full picture about what is going on these computers how they communicate with each others ultimately gained knowledge about the most important operating system which is Linux and how do we implement our own embedded Linux
Rawda Alnaqbi - beamtrail
Corso - Introduction to Embedded Linux (Hands-on training)
The knowledge of the trainer. He was able to answer all of my questions, even questions about our platform. He also continued to help until we all understood the material.
