Tensorflow-Pytorch-TensorRT-ONNX ALL YOLOVersions 跟踪
Docker、Tensorflow、Pytorch、Onnx、TensorRT、模型检测、模型分类、模型微调
讲师:Fikrat Gasimov
口袋资源独家Mosh付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将学到什么
- 1. 什么是 Docker 以及如何使用 Docker
- 2.什么是 Kubernetes 以及如何与 Docker 一起使用
- 3.Nvidia超级计算机和Cuda编程语言
- 4. 什么是 OpenCL 和 OpenGL 以及何时使用?
- 6.(LAB)Tensorflow和Pytorch安装、使用Docker进行配置
- 7. (LAB)DockerFile、Docker Compile 和 Docker Compose 调试文件配置
- 8. (LAB)不同的YOLO版本,比较,以及根据你的问题何时使用哪个版本的YOLO
- 9. (LAB)Jupyter Notebook 编辑器以及 Visual Studio 编码技能
- 10. (LAB) Visual Studio 代码设置和带有 VS 的 Docker 调试器
- 11.(LAB)什么是 ONNX fframework 以及如何使用 apply onnx 来解决您的自定义问题
- 11. (LAB) 什么是 TensorRT Framework 以及如何使用它来解决您的自定义问题
- 12.(LAB)图像和视频的自定义检测、分类、分割问题和推理
- 13.(实验室)Python3 面向对象编程
- 14.(LAB)Pycuda语言编程
- 15. (LAB) 边缘设备和云计算上的深度学习问题解决技能
- 16. (LAB) 如何生成高性能推理模型,以获得高精度、FPS 检测以及更少的 GPU 内存消耗
- 17.(实验室)使用 Docker 的 Visual Studio 代码
- 18.(LAB) yolov4 onnx 使用 opencv dnn 进行推理
- 19.(LAB) yolov5 onnx 使用 opencv dnn 进行推理
- 20.(LAB) yolov5 onnx 使用 Opencv DNN 进行推理
- 21.(LAB) yolov5 onnx 使用 TensorRT 和 Pycuda 进行推理
- 22.(LAB) 使用 TensorRT 和 Pycuda 进行 ResNet 图像分类
- 23.(LAB) 使用 TensorRT 和 Pycuda 对视频帧进行 yolov5 onnx 推理
- 24. (LAB) 为 Python 面向对象编程推理做好准备!
- 25.(LAB)基于YOLOV7物体检测的Python OOP继承
要求
- 基础Python编程知识
- 深度学习基础知识
- 配备 CPU 或 GPU 的笔记本电脑
描述
本课程主要考虑任何有强烈学习深度学习模型训练和深度学习动机的候选人(学生、工程师、专家)。考生将对 docker 有深入的了解,并通过 docker 使用tensorflow、pytorch、keras 模型。此外,他们将能够使用 ONNX 和 TensorRT 框架优化和量化/优化深度学习模型,以便部署在各种领域,例如边缘设备(nvidia jetson nano、tx2、agx、xavier)、自动化、机器人以及云通过aws和google平台进行计算。
- Nvidia 设备和 Cuda 编译器语言概述
- OpenCL 和 OpenGL 概述知识
- 从零开始Docker的学习与安装
- 准备 DockerFiles、Docker Compose 以及 Docker Compose 调试文件
- 通过 Jupyter Notebook 和 Visual Studio 代码实现 Python 代码
- Visual Studio Code中插件包的配置和安装
- 从头开始使用 docker 镜像学习、安装和配置 Tensorflow、Pytorch、Kears 等框架
- 用于训练和测试的深度学习数据集的预处理和准备
- OpenCV 深度神经网络
- 深度学习框架的训练、测试和验证
- 将预构建模型转换为 Onnx 以及图像上的 Onnx 推理
- onnx模型到TensorRT引擎的转换
- TensorRT引擎对图像和视频进行推理
- TensorRT 和 Onnx Inference 所达到的指标和结果的比较
- 为 Python 面向对象编程推理做好准备!
本课程适合谁:
- 新毕业生
- 大学生
- 人工智能专家
- 嵌入式软件工程师
声明:口袋资源网(koudaizy.com)提供的所有课程、素材等资源全部来源于互联网,赞助VIP仅用于对口袋资源服务器带宽及网站运营等费用支出做支持,从本站下载资源,说明你已同意本条款。