深度学习模型部署与剪枝优化实例
深度学习模型部署与剪枝优化实例├──01.课程简介- .mp411.66M
├──02.所需基本环境配置- .mp424.92M
├──03.模型加载与数据预处理- .mp438.03M
├──04.接收与预测模块实现- .mp437.28M
├──05.效果实例演示- .mp441.66M
├──07.项目所需配置文件介绍- .mp424.02M
├──08.加载参数与模型权重- .mp435.46M
├──09.数据预处理- .mp454.01M
├──10.返回线性预测结果- .mp440.74M
├──11.docker简介- .mp425.19M
├──12.docker安装与配置- .mp426.35M
├──13.阿里云镜像配置- .mp415.00M
├──14.基于docker配置pytorch环境- .mp465.02M
├──15.安装演示环境所需依赖- .mp419.24M
├──16.复制所需配置到容器中- .mp416.10M
├──17.上传与下载配置好的项目- .mp427.25M
├──18.tf-serving项目获取与配置- .mp416.30M
├──19.加载并启动模型服务- .mp419.02M
├──20.测试模型部署效果- .mp423.13M
├──21.fashion数据集获取- .mp458.22M
├──22.加载fashion模型启动服务- .mp418.21M
├──23.论文算法核心框架概述- .mp419.83M
├──24.BatchNorm要解决的问题- .mp428.81M
├──25.BN的本质作用- .mp414.47M
├──26.额外的训练参数解读- .mp414.01M
├──27.稀疏化原理与效果- .mp416.01M
├──28.整体案例流程解读- .mp417.47M
├──29.加入L1正则化来进行更新- .mp415.28M
├──30.剪枝模块介绍- .mp414.94M
├──31.筛选需要的特征图- .mp420.65M
├──32.剪枝后模型参数赋值- .mp462.58M
├──33.微调完成剪枝模型- .mp422.22M
├──34.模型剪枝分析- .mp423.38M
├──35.常见剪枝方法介绍- .mp417.49M
├──36.mobilenet简介- .mp46.65M
├──37.经典卷积计算量与参数量分析- .mp418.11M
├──38.深度可分离卷积的作用与效果- .mp411.30M
├──39.参数与计算量的比较- .mp444.85M
├──40.V1版本效果分析- .mp417.59M
├──41.V2版本改进以及Relu激活函数的问题- .mp421.58M
├──42.倒残差结构的作用- .mp412.68M
├──43.V2整体架构与效果分析- .mp47.18M
├──44.V3版本网络架构分析- .mp48.75M
├──45.SE模块作用与效果解读- .mp423.27M
├──46.代码实现mobilenetV3网络架构- .mp433.17M
├──47.卷积网络参数定义- .mp414.97M
├──48.网络流程解读- .mp486.43M
├──49.Vision模块功能解读- .mp411.68M
├──50.分类任务数据集定义与配置- .mp458.36M
├──51.图像增强的作用- .mp49.71M
├──52.数据预处理与数据增强模块- .mp420.00M
├──53.Batch数据制作- .mp421.97M
├──54.迁移学习的目标- .mp49.05M
├──55.迁移学习策略- .mp411.52M
├──56.加载训练好的网络模型- .mp424.62M
├──57.优化器模块配置- .mp412.72M
├──58.实现训练模块- .mp418.10M
├──59.训练结果与模型保存- .mp422.01M
├──60.加载模型对测试数据进行预测- .mp446.92M
├──61.额外补充-Resnet论文解读- .mp458.66M
├──62.额外补充-Resnet网络架构解读- .mp423.08M
├──63.猫狗识别任务与数据简介- .mp425.32M
├──64.卷积网络涉及参数解读- .mp431.56M
├──65.网络架构配置- .mp438.75M
├──66.卷积模型训练与识别效果展示- .mp457.43M
└──资料.zip1.26G
**** Hidden Message *****
真是难得给力的帖子啊。 激动人心，无法言表！ 强烈支持楼主ing…… 无回帖，不论坛，这才是人道。 强烈支持楼主ing…… 强烈支持楼主ing…… 强烈支持楼主ing…… 学习 真是难得给力的帖子啊。