Programa do Curso

Introdução

  • O papel revolucionário do TensforFlow Lite nos sistemas incorporados e na IoT

Visão geral das características e operações de TensorFlow Lite

  • Abordagemdos recursos limitados do dispositivo
  • Operações predefinidas e alargadas

Configuração TensorFlow Lite

  • Instalando o interpretador TensorFlow Lite
  • Instalando outros pacotes do TensorFlow
  • Trabalhar a partir da linha de comando vs API Python

Escolher um modelo para executar num dispositivo

  • Visão geral dos modelos pré-treinados: classificação de imagens, deteção de objectos, resposta inteligente, estimativa de pose, segmentação
  • Seleção de um modelo do TensorFlow Hub ou de outra fonte

Personalização de um modelo pré-treinado

  • Como funciona a aprendizagem por transferência
  • Reciclagem de um modelo de classificação de imagens

Conversão de um modelo

  • Compreender o formato TensorFlow Lite (tamanho, velocidade, optimizações, etc.)
  • Conversão de um modelo para o formato TensorFlow Lite

Execução de um modelo de previsão

  • Compreender o funcionamento conjunto do modelo, do intérprete e dos dados de entrada
  • Chamar o interpretador a partir de um dispositivo
  • Executar dados através do modelo para obter previsões

Aceleração das operações do modelo

  • Compreender a aceleração a bordo, GPUs, etc.
  • Configurar delegados para acelerar operações

Adição de operações modelo

  • Utilizar TensorFlow Selecionar para adicionar operações a um modelo.
  • Criar uma versão personalizada do intérprete
  • Utilizar os operadores personalizados para escrever ou portar novas operações

Otimização do modelo

  • Compreender o equilíbrio entre desempenho, tamanho do modelo e precisão
  • Utilizar o kit de ferramentas de otimização de modelos para otimizar o tamanho e o desempenho de um modelo
  • Quantização pós-treinamento

Resolução de problemas

Resumo e conclusão

Requisitos

  • Uma compreensão dos conceitos de aprendizagem profunda
  • Experiência em programação Python
  • Um dispositivo que executa Linux incorporado (Raspberry Pi, dispositivo Coral, etc.)

Público

  • Desenvolvedores
  • Cientistas de dados com interesse em sistemas incorporados
  21 horas
 

Declaração de Clientes (4)

Cursos Relacionados

The Yocto Project - An Overview - hands-on

  28 horas

Embedded Linux Systems Architecture

  35 horas

Categorias Relacionadas