【16402】-唐宇迪 深度学习模型部署与剪枝优化实战
01 AIoT人工智能物联网之认识 jetson nano
01 jetson nano硬件介绍_ev.mp4
02 jetson nano 刷机_ev.mp4
03 jetson nano系统安装过程_ev.mp4
04 感受nano的GPU算力_ev.mp4
05安装使用摄像头csi usb_ev.mp4
02 AIoT人工智能物联网之AI 实战
01 jetson-inference 入门_ev.mp4
02 docker 的安装使用_ev.mp4
03 docker中运行分类模型_ev.mp4
04 训练自己的目标检测模型准备_ev.mp4
05 训练出自己目标识别模型a_ev.mp4
06 训练出自己目标识别模型b_ev.mp4
07 转换出onnx模型，并使用_ev.mp4
03 AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
01 NVIDIA TAO介绍和安装_ev.mp4
02 NVIDIA TAO数据准备和环境设置_ev.mp4
03 NVIDIA TAO数据转换_ev.mp4
04 NVIDIA TAO预训练模型和训练a_ev.mp4
05 NVIDIA TAO预训练模型和训练b_ev.mp4
06 NVIDIA TAO预训练模型和训练c._ev.mp4
07 TAO 剪枝在训练推理验证_ev.mp4
04 AIoT人工智能物联网之deepstream
01 deepstream介绍安装_ev.mp4
02 deepstream HelloWorld_ev.mp4
03 GStreamer RTP和RTSP1_ev.mp4
04 GStreamer RTP和RTSP2_ev.mp4
05 python实现RTP和RTSP_ev.mp4
06 deepstream推理_ev.mp4
07 deepstream集成yolov4_ev.mp4
05 tensorRT视频
06 pyTorch框架部署实践
07 YOLO-V3物体检测部署实例
08 docker实例演示
09 tensorflow-serving实战
10模型剪枝-Network Slimming算法分析
11 模型剪枝-Network Slimming实战解读
12 Mobilenet三代网络模型架构
01 模型剪枝分析_ev.mp4
02 常见剪枝方法介绍_ev.mp4
03 mobilenet简介_ev.mp4
04经典卷积计算量与参数量分析_ev.mp4
05深度可分离卷积的作用与效果_ev.mp4
06参数与计算量的比较_ev.mp4
07 V1版本效果分析_ev.mp4
08 V2版本改进以及Relu激活函数的问题_ev.mp4
09 倒残差结构的作用_ev.mp4
10 V2整体架构与效果分析_ev.mp4
11 V3版本网络架构分析_ev.mp4
12 SE模块作用与效果解读_ev.mp4
13 代码实现mobilenetV3网络架构_ev.mp4
配套资源