感谢群友分享
网易云课堂-深度学习模型部署与剪枝优化实例
课程内容：
01.课程简介.mp4
02.所需基本环境配置.mp4
03.模型加载与数据预处理.mp4
04.接收与预测模块实现.mp4
05.效果实例演示.mp4
07.项目所需配置文件介绍.mp4
08.加载参数与模型权重.mp4
09.数据预处理.mp4
10.返回线性预测结果.mp4
11.docker简介.mp4
12.docker安装与配置.mp4
13.阿里云镜像配置.mp4
14.基于docker配置pytorch环境.mp4
15.安装演示环境所需依赖.mp4
16.复制所需配置到容器中.mp4
17.上传与下载配置好的项目.mp4
18.tf-serving项目获取与配置.mp4
19.加载并启动模型服务.mp4
20.测试模型部署效果.mp4
21.fashion数据集获取.mp4
22.加载fashion模型启动服务.mp4
23.论文算法核心框架概述.mp4
24.BatchNorm要解决的问题.mp4
25.BN的本质作用.mp4
26.额外的训练参数解读.mp4
27.稀疏化原理与效果.mp4
28.整体案例流程解读.mp4
29.加入L1正则化来进行更新.mp4
30.剪枝模块介绍.mp4
31.筛选需要的特征图.mp4
32.剪枝后模型参数赋值.mp4
33.微调完成剪枝模型.mp4
34.模型剪枝分析.mp4
35.常见剪枝方法介绍.mp4
36.mobilenet简介.mp4
37.经典卷积计算量与参数量分析.mp4
38.深度可分离卷积的作用与效果.mp4
39.参数与计算量的比较.mp4
40.V1版本效果分析.mp4
41.V2版本改进以及Relu激活函数的问题.mp4
42.倒残差结构的作用.mp4
43.V2整体架构与效果分析.mp4
44.V3版本网络架构分析.mp4
45.SE模块作用与效果解读.mp4
46.代码实现mobilenetV3网络架构.mp4
47.卷积网络参数定义.mp4
48.网络流程解读.mp4
49.Vision模块功能解读.mp4
50.分类任务数据集定义与配置.mp4
51.图像增强的作用.mp4
52.数据预处理与数据增强模块.mp4
53.Batch数据制作.mp4
54.迁移学习的目标.mp4
55.迁移学习策略.mp4
56.加载训练好的网络模型.mp4
57.优化器模块配置.mp4
58.实现训练模块.mp4
59.训练结果与模型保存.mp4
60.加载模型对测试数据进行预测.mp4
61.额外补充-Resnet论文解读.mp4
62.额外补充-Resnet网络架构解读.mp4
63.猫狗识别任务与数据简介.mp4
64.卷积网络涉及参数解读.mp4
65.网络架构配置.mp4
66.卷积模型训练与识别效果展示.mp4
资料.exe
