|
|
深度学习模型部署与剪枝优化实例9 i' ~- Z0 Y2 q; V
├──01.课程简介- .mp4 11.66M& X8 U" e9 B5 C- y g/ O
├──02.所需基本环境配置- .mp4 24.92M
% r# V1 k/ I1 T: c3 h$ M├──03.模型加载与数据预处理- .mp4 38.03M
* T, H( f& ^) U4 P- o- o├──04.接收与预测模块实现- .mp4 37.28M
1 o- Q# y' n( }1 s" C/ k2 K+ i$ R) ], b├──05.效果实例演示- .mp4 41.66M
5 o/ T8 _1 \" \' P/ O7 f% `├──07.项目所需配置文件介绍- .mp4 24.02M1 `: H3 y" X3 s% s- Y Y1 \
├──08.加载参数与模型权重- .mp4 35.46M
3 U, F6 k; Q& r; Z6 j- I├──09.数据预处理- .mp4 54.01M) T8 k: T* v7 p
├──10.返回线性预测结果- .mp4 40.74M/ p4 \' X' _3 V
├──11.docker简介- .mp4 25.19M
! z; N5 x2 m L) @! i8 k├──12.docker安装与配置- .mp4 26.35M3 V) A9 T0 j0 I- {
├──13.阿里云镜像配置- .mp4 15.00M2 Q9 O) f+ u& p' `% ]/ V
├──14.基于docker配置pytorch环境- .mp4 65.02M
* b1 ]) G3 ]9 I+ L├──15.安装演示环境所需依赖- .mp4 19.24M
' e `& N2 L0 V1 o/ t" c/ X3 P0 g├──16.复制所需配置到容器中- .mp4 16.10M) d9 r+ D; Z) P" {9 n( [# n( j
├──17.上传与下载配置好的项目- .mp4 27.25M
8 j/ y' t; U) i/ y% |! Y├──18.tf-serving项目获取与配置- .mp4 16.30M
7 [7 F" J2 f- n# h& f7 Y% D! X8 y├──19.加载并启动模型服务- .mp4 19.02M& M. [) J8 l# [5 Y' r5 |2 K
├──20.测试模型部署效果- .mp4 23.13M
% l7 @/ d8 u& n1 y3 M├──21.fashion数据集获取- .mp4 58.22M! C) f3 W M, r1 m/ t$ A
├──22.加载fashion模型启动服务- .mp4 18.21M
9 u G$ w+ w" C0 y├──23.论文算法核心框架概述- .mp4 19.83M8 ^. d0 b% F' l3 _
├──24.BatchNorm要解决的问题- .mp4 28.81M
8 `; y$ t; k2 b├──25.BN的本质作用- .mp4 14.47M3 @' H9 r/ F/ } E! W7 a
├──26.额外的训练参数解读- .mp4 14.01M
: P* f w) E1 D% |: g├──27.稀疏化原理与效果- .mp4 16.01M% j8 u, j. s& Z6 _' U4 V
├──28.整体案例流程解读- .mp4 17.47M
: V' K" s$ s7 Z7 L6 T7 E├──29.加入L1正则化来进行更新- .mp4 15.28M# O( @/ x# Q' \, V; k% E
├──30.剪枝模块介绍- .mp4 14.94M
0 B2 T2 p5 B9 J! G2 i├──31.筛选需要的特征图- .mp4 20.65M9 h" j3 i* k0 J0 Q* \" M: H) S H
├──32.剪枝后模型参数赋值- .mp4 62.58M3 y. u& u2 f& {& Z4 G
├──33.微调完成剪枝模型- .mp4 22.22M8 }5 I# b' g. J1 ^4 K
├──34.模型剪枝分析- .mp4 23.38M0 B0 a M9 ]& f p4 z& C
├──35.常见剪枝方法介绍- .mp4 17.49M: m0 t. R* X' D* ?% Q$ O
├──36.mobilenet简介- .mp4 6.65M) o8 c+ g2 X2 z8 P
├──37.经典卷积计算量与参数量分析- .mp4 18.11M
6 Z5 t1 y* T" X6 S/ e1 O! O├──38.深度可分离卷积的作用与效果- .mp4 11.30M
, Z) G$ r7 U9 U# j/ I4 M) ]├──39.参数与计算量的比较- .mp4 44.85M
$ u2 j" _% d/ D. ]├──40.V1版本效果分析- .mp4 17.59M3 \: n" m3 Y% ]5 L5 p& h3 F9 o
├──41.V2版本改进以及Relu激活函数的问题- .mp4 21.58M
) o2 z2 Y, V) @; p X├──42.倒残差结构的作用- .mp4 12.68M
5 h8 N4 m$ @4 Z8 x& E# f! S& [├──43.V2整体架构与效果分析- .mp4 7.18M" ?( B+ l! w" U1 e1 L9 X6 K) o7 U
├──44.V3版本网络架构分析- .mp4 8.75M, f5 u7 p9 c' a- N
├──45.SE模块作用与效果解读- .mp4 23.27M
" o1 ^( i, g. S' D├──46.代码实现mobilenetV3网络架构- .mp4 33.17M
8 h. @1 _ l `├──47.卷积网络参数定义- .mp4 14.97M
( q8 g, i6 a7 l6 P) E├──48.网络流程解读- .mp4 86.43M0 {' C! j* Z# ?6 Q/ h5 C2 F
├──49.Vision模块功能解读- .mp4 11.68M# t3 [7 R5 K! P6 A
├──50.分类任务数据集定义与配置- .mp4 58.36M
- B3 L, T% ^1 A6 R6 }) a├──51.图像增强的作用- .mp4 9.71M
8 u9 e3 I1 h1 s├──52.数据预处理与数据增强模块- .mp4 20.00M
* r9 Q8 d* M; |8 _2 U+ N6 Q├──53.Batch数据制作- .mp4 21.97M8 q7 P. W1 Z6 @+ ]
├──54.迁移学习的目标- .mp4 9.05M
- N0 J8 L# u6 M: }5 d+ u├──55.迁移学习策略- .mp4 11.52M
" R+ Q2 J ~ n/ g├──56.加载训练好的网络模型- .mp4 24.62M
5 d* m4 e1 \+ Z$ F8 O4 x9 P- D, q├──57.优化器模块配置- .mp4 12.72M
8 b9 L( D5 ~8 Y├──58.实现训练模块- .mp4 18.10M
4 m( }+ B1 z* U. R0 w/ M/ ^& q├──59.训练结果与模型保存- .mp4 22.01M: F& F n7 f% _( o! _* s( O1 l
├──60.加载模型对测试数据进行预测- .mp4 46.92M
$ ~* ]. `5 |4 m( ~├──61.额外补充-Resnet论文解读- .mp4 58.66M( y" J$ R' [9 y( ^
├──62.额外补充-Resnet网络架构解读- .mp4 23.08M/ r$ N& U: ^% k
├──63.猫狗识别任务与数据简介- .mp4 25.32M9 n" k# U/ o) u1 a0 d
├──64.卷积网络涉及参数解读- .mp4 31.56M
% T+ P, b2 k: s( o/ |' |) A├──65.网络架构配置- .mp4 38.75M
2 W& l; f# L8 @. _/ ?5 w├──66.卷积模型训练与识别效果展示- .mp4 57.43M
1 T( ~& S7 z8 @└──资料.zip 1.26G
6 o! Q! N0 W8 M- c+ j& w+ E( s
1 m# o/ H9 J2 C6 Z& @1 z3 D/ j" C
9 D- p' R3 A7 y2 I9 d- S% T, C$ ]( S2 K/ F) ]% [1 U* j
: U% k, |2 {; R
3 t* z9 a# L4 {+ D: v
资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见
2 h( p% B/ g- P, \; L. I
* b" |1 U$ G! v1 ^- q; i2 `2 K3 z c Q$ C& m8 I
5 v v/ x0 N7 A% A
本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2024-4-16 00:57:01
