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
Erfahrungsberichte (4)
That the trainer adapts to our needs
Eduardo Fontecha - ORMAZABAL PROTECTION & AUTOMATION S.L.U.
Kurs - The Yocto Project - An Overview - hands-on
I understood the process of the operating system and how do we link all factors together information of network as well so now I have an obvious and full picture about what is going on these computers how they communicate with each others ultimately gained knowledge about the most important operating system which is Linux and how do we implement our own embedded Linux
Rawda Alnaqbi - beamtrail
Kurs - Introduction to Embedded Linux (Hands-on training)
The knowledge of the trainer. He was able to answer all of my questions, even questions about our platform. He also continued to help until we all understood the material.
James O'Donnell - Tennant Company
Kurs - Embedded Linux Kernel and Driver Development
Vielleicht wären mehr Übungen zum Lernen besser, aber die Zeit war zu kurz.
Gianpiero Arico' - Urmet Spa
Kurs - Embedded Linux Systems Architecture
Maschinelle Übersetzung