AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇

AI人工智能深度学习(RV1126)-第3期 AI模型部署与项目实战篇

• 课时1：谈一谈NPU (40分39秒)

• 课时2：AI模型部署流程 (20分55秒)

• 课时3：RKNPU的工具和环境介绍 (28分27秒)

• 课时4：Anaconda、Miniconda和Conda的介绍 (25分18秒)

• 课时5：Ubuntu下Anaconda的安装和卸载 (29分28秒)

• 课时6：conda基本命令介绍 (14分49秒)

• 课时7：新建、进入和退出虚拟环境 (12分22秒)

• 课时8：使用conda安装和卸载包 (17分12秒)

• 课时9：包的存放目录和给Anaconda瘦身 (19分17秒)

• 课时10：给虚拟环境设置、删除环境变量 (10分27秒)

• 课时11：conda的源和配置文件介绍 (12分33秒)

• 课时12：配置conda的源 (28分13秒)

• 课时13：克隆、复制虚拟环境 (12分20秒)

• 课时14：卸载、删除虚拟环境 (4分58秒)

• 课时15：pip命令介绍 (10分40秒)

• 课时16：pip命令安装和卸载包 (10分55秒)

• 课时17：pip的配置文件和源 (19分15秒)

• 课时18：基于Anaconda安装RKNN Toolkit (34分1秒)

• 课时19：打造VSCode开发环境 (21分46秒)

• 课时20：VSCode的基本使用 (22分8秒)

• 课时21：Netron的基本使用 (33分48秒)

• 课时22：模型转换和模型训练环境概述 (13分54秒)

• 课时23：确定TensorFlow-GPU版本 (12分42秒)

• 课时24：确定PyTorch-GPU版本 (5分49秒)

• 课时25：CUDA Toolkit和cudatoolkit的差别 (5分40秒)

• 课时26：Windows下安装Anaconda (9分52秒)

• 课时27：Windows下安装显卡驱动 (12分25秒)

• 课时28：Windows下安装TensorFlow-GPU（方法一） (30分38秒)

• 课时29：Windows下安装PyTorch-GPU (19分39秒)

• 课时30：Windows下安装TensorFlow-GPU（方法二） (21分40秒)

• 课时31：RKNN模型转换流程 (15分27秒)

• 课时32：TFLite模型转化为RKNN模型 (15分2秒)

• 课时33：TensorFlow预训练模型转换为RKNN模型 (20分38秒)

• 课时34：TensorFlow自训练模型部署到RV1126 (41分2秒)

• 课时35：Pytorch自训练模型转换为RKNN模型 (24分48秒)

• 课时36：mean_values和std_values对模型推理准确度的影响 (23分13秒)

• 课时37：标准化和归一化 (40分25秒)

• 课时38：模型的预编译（适用于RV1126） (36分45秒)

• 课时39：了解模型的量化 (26分59秒)

• 课时40：模型的常规量化 (28分49秒)

• 课时41：模型的混合量化（适用于RV1126） (33分34秒)