|
|
深度学习模型部署与剪枝优化实例0 L1 Y) ?- N5 }; ]& V
├──01.课程简介- .mp4 11.66M
1 t- A, B7 K9 u3 T4 Y9 G├──02.所需基本环境配置- .mp4 24.92M
# c6 B1 g c* t/ K* a├──03.模型加载与数据预处理- .mp4 38.03M- ?/ E" _* ?1 O- b1 t
├──04.接收与预测模块实现- .mp4 37.28M0 m- m, \5 G- y, e& Q' C
├──05.效果实例演示- .mp4 41.66M3 T5 s7 }$ W8 B* w
├──07.项目所需配置文件介绍- .mp4 24.02M1 _4 d5 W8 j: c$ e7 ?. {
├──08.加载参数与模型权重- .mp4 35.46M
/ ^/ _' j5 p; L$ `" t├──09.数据预处理- .mp4 54.01M! N2 r0 Q( P7 J: e. \0 N% q
├──10.返回线性预测结果- .mp4 40.74M
; P+ X5 A1 X0 w/ t; o6 f6 \├──11.docker简介- .mp4 25.19M" v6 N& U8 P2 e4 z& K8 P# A0 {
├──12.docker安装与配置- .mp4 26.35M; q6 q5 ^* {2 |# u; _$ N# G) {7 y
├──13.阿里云镜像配置- .mp4 15.00M! k- I1 r2 l% [. t; o
├──14.基于docker配置pytorch环境- .mp4 65.02M! Y g, W; Q# R, J
├──15.安装演示环境所需依赖- .mp4 19.24M" r, Y; @0 E+ W7 Y$ m- r
├──16.复制所需配置到容器中- .mp4 16.10M# Z: L" F4 p- Z) c6 I w$ v% g7 ^) U
├──17.上传与下载配置好的项目- .mp4 27.25M
# L& _0 [, U) ?& g, ^├──18.tf-serving项目获取与配置- .mp4 16.30M
- R: z6 X# H5 Z7 s C" ]7 l├──19.加载并启动模型服务- .mp4 19.02M/ \; g r+ ~, \9 K+ ~
├──20.测试模型部署效果- .mp4 23.13M+ d/ [, r! _3 r/ V; C
├──21.fashion数据集获取- .mp4 58.22M
% o* f2 {8 p% Q0 f├──22.加载fashion模型启动服务- .mp4 18.21M
# _# L( G X- d1 l/ R6 w├──23.论文算法核心框架概述- .mp4 19.83M
! [) c+ B3 N: F8 Z5 A1 d├──24.BatchNorm要解决的问题- .mp4 28.81M: } x! {0 Z8 X T1 m
├──25.BN的本质作用- .mp4 14.47M7 Y0 |$ l4 z e
├──26.额外的训练参数解读- .mp4 14.01M
# G9 M! L! \" K├──27.稀疏化原理与效果- .mp4 16.01M8 f: S' v- Z% u# U. P, Q
├──28.整体案例流程解读- .mp4 17.47M
" G7 @! ~) P8 L7 A8 ^├──29.加入L1正则化来进行更新- .mp4 15.28M/ a) U! s1 u* ]8 b
├──30.剪枝模块介绍- .mp4 14.94M
9 b7 T5 F( c( Q; W8 [. d├──31.筛选需要的特征图- .mp4 20.65M
0 q& o# t; Z, C├──32.剪枝后模型参数赋值- .mp4 62.58M. l3 Z/ E$ P* j/ R4 p
├──33.微调完成剪枝模型- .mp4 22.22M9 ^4 D' r$ t3 v d- f, [
├──34.模型剪枝分析- .mp4 23.38M( W9 M* z5 V: ]/ C' b2 T% C
├──35.常见剪枝方法介绍- .mp4 17.49M
0 Y; }% S0 `& ~& e( A! d& ^! A0 ]├──36.mobilenet简介- .mp4 6.65M, W( L, M7 y0 v
├──37.经典卷积计算量与参数量分析- .mp4 18.11M' x% X$ c. l5 m4 ^9 X
├──38.深度可分离卷积的作用与效果- .mp4 11.30M7 S9 x# K Y9 ^$ {( t. r
├──39.参数与计算量的比较- .mp4 44.85M& Z( i/ Y+ t9 O( o
├──40.V1版本效果分析- .mp4 17.59M: O( T& F5 i9 C+ h) x8 N
├──41.V2版本改进以及Relu激活函数的问题- .mp4 21.58M
& G7 i8 w" E' W9 r; p) \; A& J5 l├──42.倒残差结构的作用- .mp4 12.68M
2 `" C' F6 q* n$ A5 a3 S6 g6 R2 y├──43.V2整体架构与效果分析- .mp4 7.18M
- }/ M3 S- q/ p6 Y5 a2 m9 ?├──44.V3版本网络架构分析- .mp4 8.75M
- z) y E; y- L0 b; n├──45.SE模块作用与效果解读- .mp4 23.27M
/ X" I- D/ X# n& M$ [├──46.代码实现mobilenetV3网络架构- .mp4 33.17M
. G; X6 [% r; v# D! S8 M, |( u: `8 }! N. O├──47.卷积网络参数定义- .mp4 14.97M% @ K, K: r$ z1 v2 R
├──48.网络流程解读- .mp4 86.43M' u) S9 ~# D* L
├──49.Vision模块功能解读- .mp4 11.68M! |5 c: D& K; Q8 B! c
├──50.分类任务数据集定义与配置- .mp4 58.36M' M+ Y) @2 p: |+ M0 h; T, N w
├──51.图像增强的作用- .mp4 9.71M4 q, @3 Y+ f ~3 O# ^8 z% p
├──52.数据预处理与数据增强模块- .mp4 20.00M
; Z( g5 A) h& Q7 K" Z├──53.Batch数据制作- .mp4 21.97M
! M7 H7 g% ^* D& B: ~1 w* D├──54.迁移学习的目标- .mp4 9.05M3 }0 a# B# p5 f% H% ?
├──55.迁移学习策略- .mp4 11.52M
6 o/ }9 r K7 r# k7 Z├──56.加载训练好的网络模型- .mp4 24.62M
% X5 G! a2 ~2 N; c2 g├──57.优化器模块配置- .mp4 12.72M- q9 c3 z2 Z3 R7 y1 e
├──58.实现训练模块- .mp4 18.10M
/ h" k. M6 E1 @8 o# m5 o├──59.训练结果与模型保存- .mp4 22.01M% I+ i& a6 ?4 d* _& b
├──60.加载模型对测试数据进行预测- .mp4 46.92M, f; z7 C% T3 e; V
├──61.额外补充-Resnet论文解读- .mp4 58.66M
8 s+ N0 e0 _/ ]2 \0 v7 T├──62.额外补充-Resnet网络架构解读- .mp4 23.08M
$ C. p" K* D* o/ N6 F├──63.猫狗识别任务与数据简介- .mp4 25.32M
: ?! a4 m$ k- U* l├──64.卷积网络涉及参数解读- .mp4 31.56M
5 ^9 E/ H7 k7 B6 y% R1 d* a5 F├──65.网络架构配置- .mp4 38.75M9 Y, ^& Y. T% s1 t6 T! |% W8 N
├──66.卷积模型训练与识别效果展示- .mp4 57.43M
u0 P+ x$ D4 a3 {└──资料.zip 1.26G8 u6 F/ k* Q7 ^, e# [0 M
- \) N, x4 b! u8 w/ e4 j
- O' v8 d$ o1 I3 J0 x/ ~4 v+ ?# ]6 Y% C/ v- b/ H- ]* e. Q
! ^# t+ J; |! @% a8 t7 ^0 G# ?3 f- m) @( o) J
资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见
4 i! H# ~; I: x1 x! b' b7 j' V2 s5 w# g5 u; a% v9 ]
/ `) g2 L( b8 x" N; {; N# O4 F& n/ |
本资源由Java自学网收集整理【www.javazx.com】 |
|
[复制链接]
发表于 2024-4-16 00:57:01
