|
|
深度学习模型部署与剪枝优化实例
: q! c) V, {% z├──01.课程简介- .mp4 11.66M. s" z- F+ H+ J8 g! W
├──02.所需基本环境配置- .mp4 24.92M3 p2 J# ~9 w" w6 n6 u' y
├──03.模型加载与数据预处理- .mp4 38.03M
9 C8 ~! d6 l& g& h. g├──04.接收与预测模块实现- .mp4 37.28M/ \" u, ]2 w; @8 P2 J( h; E2 b
├──05.效果实例演示- .mp4 41.66M
" n# r7 ]3 p R& `5 v+ f├──07.项目所需配置文件介绍- .mp4 24.02M
0 U1 @9 _% _' x: S├──08.加载参数与模型权重- .mp4 35.46M
1 h) v: `; r0 v/ o├──09.数据预处理- .mp4 54.01M7 t" f1 o) u2 ?% x- s& |7 A
├──10.返回线性预测结果- .mp4 40.74M
9 g/ t/ `* f* Y: b# p9 N3 }0 P├──11.docker简介- .mp4 25.19M
; d& h" [9 c* U; x1 S$ V4 h├──12.docker安装与配置- .mp4 26.35M# |) i( _$ w+ a# v4 T
├──13.阿里云镜像配置- .mp4 15.00M
9 B8 G) J' q1 O$ |" F/ |5 [├──14.基于docker配置pytorch环境- .mp4 65.02M
1 P% m- F8 s b, m├──15.安装演示环境所需依赖- .mp4 19.24M/ d$ D3 t" y: V I, T
├──16.复制所需配置到容器中- .mp4 16.10M7 f3 i; d- l- T! F
├──17.上传与下载配置好的项目- .mp4 27.25M _ {! D+ q7 f1 R2 q
├──18.tf-serving项目获取与配置- .mp4 16.30M
' ~3 {3 E# D0 c├──19.加载并启动模型服务- .mp4 19.02M
$ z1 s( U! N7 Z. f├──20.测试模型部署效果- .mp4 23.13M
) y4 f( e# E8 W├──21.fashion数据集获取- .mp4 58.22M& f$ a, H/ n* W) q) u
├──22.加载fashion模型启动服务- .mp4 18.21M
$ o ?4 C8 b$ l. g├──23.论文算法核心框架概述- .mp4 19.83M
6 ~) ~# I& d/ a6 p& t6 o" x+ o( V8 ?7 i( g├──24.BatchNorm要解决的问题- .mp4 28.81M% i) ]8 j* ^1 W0 e9 Z" w
├──25.BN的本质作用- .mp4 14.47M) P1 Z; Z) h }; s5 l
├──26.额外的训练参数解读- .mp4 14.01M
8 o' n1 I G+ R& v" O├──27.稀疏化原理与效果- .mp4 16.01M
$ L/ A Q% c, V q7 C, g. k├──28.整体案例流程解读- .mp4 17.47M
% s& ~( t) A' W n1 D├──29.加入L1正则化来进行更新- .mp4 15.28M
/ |8 u' ?( L/ X5 |; x9 A7 V├──30.剪枝模块介绍- .mp4 14.94M2 H# I$ N4 {' B
├──31.筛选需要的特征图- .mp4 20.65M
0 p$ Z2 f( e0 Z, {├──32.剪枝后模型参数赋值- .mp4 62.58M" f, W, Z" W8 K
├──33.微调完成剪枝模型- .mp4 22.22M8 q4 R4 u: B+ C# X' Y2 W3 s
├──34.模型剪枝分析- .mp4 23.38M
- B. x b, e" J, M$ Y- Z5 q├──35.常见剪枝方法介绍- .mp4 17.49M
8 T9 ]$ N3 {/ e; e$ A) Q├──36.mobilenet简介- .mp4 6.65M
, v) I# m" e# S9 n p├──37.经典卷积计算量与参数量分析- .mp4 18.11M5 g( J$ B% x9 ~$ _/ v( x
├──38.深度可分离卷积的作用与效果- .mp4 11.30M: U: F5 q" R/ k9 Z9 U, S
├──39.参数与计算量的比较- .mp4 44.85M
. g$ Y. @2 n# L, B2 z├──40.V1版本效果分析- .mp4 17.59M
- r: o h) L; o6 t" x) O# D├──41.V2版本改进以及Relu激活函数的问题- .mp4 21.58M
|2 W* Z4 f& E7 F├──42.倒残差结构的作用- .mp4 12.68M5 m! u; S+ H% [! V
├──43.V2整体架构与效果分析- .mp4 7.18M
" L6 ^+ y% G) Z! u7 N4 N├──44.V3版本网络架构分析- .mp4 8.75M
# E( } v; b5 k# t0 { T- k├──45.SE模块作用与效果解读- .mp4 23.27M
% L) S7 K# S4 f h+ e6 [) a├──46.代码实现mobilenetV3网络架构- .mp4 33.17M9 c" |* H: {8 v5 a4 g
├──47.卷积网络参数定义- .mp4 14.97M; U; |% l- k$ S7 Y3 }2 C
├──48.网络流程解读- .mp4 86.43M
3 E8 l& T: i6 |1 ]9 J├──49.Vision模块功能解读- .mp4 11.68M9 Y. W, _, k! T
├──50.分类任务数据集定义与配置- .mp4 58.36M/ @, Q' w; a* h4 f$ @
├──51.图像增强的作用- .mp4 9.71M
' C# L; }# a5 R9 @2 L/ q6 K├──52.数据预处理与数据增强模块- .mp4 20.00M7 j0 d/ E! ~. a( F& X' w# W
├──53.Batch数据制作- .mp4 21.97M
% Z& K0 @% I- Z' G. f" o├──54.迁移学习的目标- .mp4 9.05M+ K$ z2 C0 |: c5 o2 R
├──55.迁移学习策略- .mp4 11.52M0 v( Q1 s! w( e- T
├──56.加载训练好的网络模型- .mp4 24.62M9 } g5 f" E; r% \ l' {
├──57.优化器模块配置- .mp4 12.72M+ i% f2 _/ R4 L) P$ p I
├──58.实现训练模块- .mp4 18.10M
* `& }' _$ e5 }( b% s+ U$ I├──59.训练结果与模型保存- .mp4 22.01M4 k; C! @) W0 ^ D* @3 j& A) d6 Q0 e
├──60.加载模型对测试数据进行预测- .mp4 46.92M+ p8 d. a, L0 K R1 I- u. Q
├──61.额外补充-Resnet论文解读- .mp4 58.66M
0 @; O J* y+ Q5 |" x├──62.额外补充-Resnet网络架构解读- .mp4 23.08M' v4 j6 B! X+ @, o
├──63.猫狗识别任务与数据简介- .mp4 25.32M( Y" Y5 l j, X$ r& V
├──64.卷积网络涉及参数解读- .mp4 31.56M! E, r% l( a5 ` w8 u/ F) A
├──65.网络架构配置- .mp4 38.75M
1 g* _4 a" z" m8 i3 R6 F# y├──66.卷积模型训练与识别效果展示- .mp4 57.43M
& i1 _* ]% p" [) W, x; N1 X└──资料.zip 1.26G
4 h. K3 ~ ~2 `2 h+ R, Z7 v
, Q% l' z: f0 \ J8 p$ R' T2 M: ?; j8 r8 @, I5 _
' R9 A& h7 x/ c; w, h+ l( r! q
2 j. g6 M/ {" ^, ~* M& s% T' _: e( x5 W/ K
资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见: K7 P$ i! x: y0 C$ i' ?9 G0 M
6 n; p" G" o* ]( v7 P) ~$ O6 a
5 Z! P$ k" v9 L) s5 S6 j
: k. g1 H0 M7 [1 x本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2024-4-16 00:57:01
