Schulungsübersicht

Einführung

  • TensforFlow Lite's spielverändernde Rolle in eingebetteten Systemen und IoT

Überblick über TensorFlow Lite Funktionen und Betrieb

  • Umgang mitbegrenzten Geräteressourcen
  • Standard- und erweiterte Operationen

Einrichten TensorFlow Lite

  • Installieren des TensorFlow Lite Interpreters
  • Installieren anderer TensorFlow-Pakete
  • Arbeiten auf der Kommandozeile vs. Python API

Auswahl eines Modells zur Ausführung auf einem Gerät

  • Überblick über vortrainierte Modelle: Bildklassifizierung, Objekterkennung, intelligente Antwort, Posenschätzung, Segmentierung
  • Auswahl eines Modells aus TensorFlow Hub oder einer anderen Quelle

Anpassen eines vortrainierten Modells

  • Wie Transfer Learning funktioniert
  • Umlernen eines Bildklassifizierungsmodells

Konvertieren eines Modells

  • Verstehen des TensorFlow Lite-Formats (Größe, Geschwindigkeit, Optimierungen usw.)
  • Konvertierung eines Modells in das TensorFlow Lite-Format

Ausführen eines Vorhersagemodells

  • Verstehen, wie das Modell, der Interpreter und die Eingabedaten zusammenarbeiten
  • Aufrufen des Interpreters von einem Gerät aus
  • Daten durch das Modell laufen lassen, um Vorhersagen zu erhalten

Beschleunigung des Modellbetriebs

  • Verstehen der fahrzeugseitigen Beschleunigung, GPUs, etc.
  • Konfigurieren von Delegierten zur Beschleunigung von Vorgängen

Hinzufügen von Modelloperationen

  • Verwendung von TensorFlow Select, um einem Modell Operationen hinzuzufügen.
  • Erstellen einer benutzerdefinierten Version des Interpreters
  • Verwendung benutzerdefinierter Operatoren zum Schreiben oder Portieren neuer Operationen

Optimierung des Modells

  • Verstehen des Gleichgewichts zwischen Leistung, Modellgröße und Genauigkeit
  • Verwendung des Modelloptimierungs-Toolkits zur Optimierung der Größe und Leistung eines Modells
  • Quantisierung nach dem Training

Fehlersuche

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Verständnis für Deep Learning-Konzepte
  • Python-Programmiererfahrung
  • Ein Gerät mit eingebettetem Linux (Raspberry Pi, Coral-Gerät, etc.)

Publikum

  • Entwickler
  • Datenwissenschaftler mit Interesse an eingebetteten Systemen
  21 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.

Preis je Teilnehmer

Erfahrungsberichte (4)

Kombinierte Kurse

The Yocto Project - An Overview - hands-on

  28 Stunden

Embedded Linux Systems Architecture

  35 Stunden

Verwandte Kategorien