基于AI芯片的神经网络优化实战资源介绍:
基于AI芯片的神经网络优化实战
紧扣专用AI芯片的计算优势，深入剖析如何将神经网络模型与底层硬件进行深度协同设计，以实现效率与性能的显著飞跃。课程不仅讲解硬件架构原理与算法优化策略的融合之道，更通过实际案例，手把手演示模型压缩、量化加速及跨平台部署等关键技术。旨在赋能开发者，在边缘计算、自动驾驶等高要求场景中，构建低功耗、高实时的可靠智能应用。
课程核心亮点：
软硬协同优化：深度解读AI芯片特性与算法优化的双向适配方法，提供从理论设计到工程落地的完整路径。
前沿技术实战：涵盖低精度计算、动态推理等前沿议题，通过产业级真实案例与可复现实验，将最新技术转化为实战能力。
聚焦场景落地：重点强化在资源受限和实时性要求苛刻的真实场景中的模型部署与优化能力，学以致用。
资源目录:
├──第二周
| ├──使用知识蒸馏完成检测网络的压缩
| | ├──使用知识蒸馏完成检测网络的压缩-1_ev.mp4 79.45M
| | └──使用知识蒸馏完成检测网络的压缩-2_ev.mp4 54.64M
| └──知识蒸馏优化、低秩分解优化
| | ├──知识蒸馏优化、低秩分解优化-1_ev.mp4 78.32M
| | ├──知识蒸馏优化、低秩分解优化-2_ev.mp4 92.44M
| | ├──知识蒸馏优化、低秩分解优化-3_ev.mp4 84.83M
| | ├──知识蒸馏优化、低秩分解优化-4_ev.mp4 50.42M
| | └──知识蒸馏优化、低秩分解优化-5_ev.mp4 58.20M
├──第七周
| ├──ncnn-1_ev.mp4 108.34M
| ├──ncnn-2_ev.mp4 148.43M
| ├──ncnn-3_ev.mp4 131.69M
| ├──ncnn-4_ev.mp4 74.96M
| ├──ncnn-5_ev.mp4 91.43M
| ├──主题：使用ncnn进行离线量化并在eaidk310板子部署的demo-1_ev.mp4 108.55M
| └──主题：使用ncnn进行离线量化并在eaidk310板子部署的demo-2_ev.mp4 158.39M
├──第三周
| ├──使用结构化剪枝完成一个网络结构的剪枝
| | ├──使用结构化剪枝完成一个网络结构的剪枝-1_ev.mp4 68.86M
| | └──使用结构化剪枝完成一个网络结构的剪枝-2_ev.mp4 79.07M
| └──网络剪枝
| | ├──网络剪枝-1_ev.mp4 80.12M
| | ├──网络剪枝-2_ev.mp4 51.62M
| | ├──网络剪枝-3_ev.mp4 77.43M
| | ├──网络剪枝-4_ev.mp4 95.07M
| | └──网络剪枝-5_ev.mp4 74.38M
├──第四周
| ├──uint8量化一个网络-1_ev.mp4 62.38M
| ├──uint8量化一个网络-2_ev.mp4 81.67M
| ├──网络量化-1_ev.mp4 70.13M
| ├──网络量化-2_ev.mp4 108.74M
| ├──网络量化-3_ev.mp4 120.17M
| ├──网络量化-4_ev.mp4 71.51M
| └──网络量化-5_ev.mp4 101.34M
├──第五周
| ├──就业分析+岗位推荐
| | ├──就业分析+岗位推荐-1_ev.mp4 59.58M
| | └──就业分析+岗位推荐-2_ev.mp4 95.97M
| ├──了解openppll架构
| | ├──了解openppll架构-1_ev.mp4 80.92M
| | └──了解openppll架构-2_ev.mp4 72.09M
| └──神经网络编译器简介
| | ├──神经网络编译器简介-1_ev.mp4 92.18M
| | ├──神经网络编译器简介-2_ev.mp4 98.26M
| | ├──神经网络编译器简介-3_ev.mp4 123.78M
| | ├──神经网络编译器简介-4_ev.mp4 147.70M
…
