【尊享】ZX092 – 高性能神经网络与AI芯片应用研修课程 [27.9G]

【尊享】ZX092 – 高性能神经网络与AI芯片应用研修课程 [27.9G]

┣━━01.视频 [27.4G]
┃ ┣━━Week1 [2G]
┃ ┃ ┣━━1.轻量化网络结构设计 [1.6G]
┃ ┃ ┃ ┣━━Lecture1 轻量化网络结构设计-1.abc [356.2M]
┃ ┃ ┃ ┣━━Lecture1 轻量化网络结构设计-2.abc [280M]
┃ ┃ ┃ ┣━━Lecture1 轻量化网络结构设计-3.abc [320.6M]
┃ ┃ ┃ ┣━━Lecture1 轻量化网络结构设计-4.abc [268.9M]
┃ ┃ ┃ ┣━━Lecture1 轻量化网络结构设计-5.abc [199.7M]
┃ ┃ ┃ ┗━━Lecture1 轻量化网络结构设计-6.abc [212M]
┃ ┃ ┗━━2.实例分割相关的轻量网络并评估性能 [434M]
┃ ┃ ┣━━Review1 实例分割相关的轻量网络并评估性能-1.abc [183.2M]
┃ ┃ ┗━━Review1 实例分割相关的轻量网络并评估性能-2.abc [250.7M]
┃ ┣━━Week2 [1.5G]
┃ ┃ ┣━━使用知识蒸馏完成检测网络的压缩 [385M]
┃ ┃ ┃ ┣━━使用知识蒸馏完成检测网络的压缩-1.abc [222M]
┃ ┃ ┃ ┗━━使用知识蒸馏完成检测网络的压缩-2.abc [162.9M]
┃ ┃ ┗━━知识蒸馏优化、低秩分解优化 [1.1G]
┃ ┃ ┣━━知识蒸馏优化、低秩分解优化-1.abc [237.2M]
┃ ┃ ┣━━知识蒸馏优化、低秩分解优化-2.abc [288.5M]
┃ ┃ ┣━━知识蒸馏优化、低秩分解优化-3.abc [259.7M]
┃ ┃ ┣━━知识蒸馏优化、低秩分解优化-4.abc [154.2M]
┃ ┃ ┗━━知识蒸馏优化、低秩分解优化-5.abc [177.1M]
┃ ┣━━week3 [1.6G]
┃ ┃ ┣━━使用结构化剪枝完成一个网络结构的剪枝 [472.1M]
┃ ┃ ┃ ┣━━使用结构化剪枝完成一个网络结构的剪枝-1.abc [235.5M]
┃ ┃ ┃ ┗━━使用结构化剪枝完成一个网络结构的剪枝-2.abc [236.6M]
┃ ┃ ┗━━网络剪枝 [1.2G]
┃ ┃ ┣━━网络剪枝-1.abc [252.8M]
┃ ┃ ┣━━网络剪枝-2.abc [166.7M]
┃ ┃ ┣━━网络剪枝-3.abc [239.1M]
┃ ┃ ┣━━网络剪枝-4.abc [303.7M]
┃ ┃ ┗━━网络剪枝-5.abc [236.7M]
┃ ┣━━week4 [1.5G]
┃ ┃ ┣━━网络量化 [1.1G]
┃ ┃ ┃ ┣━━网络量化-1.abc [170.9M]
┃ ┃ ┃ ┣━━网络量化-2.abc [268.4M]
┃ ┃ ┃ ┣━━网络量化-3.abc [290.5M]
┃ ┃ ┃ ┣━━网络量化-4.abc [178.2M]
┃ ┃ ┃ ┗━━网络量化-5.abc [248.2M]
┃ ┃ ┗━━uint8量化一个网络 [377.4M]
┃ ┃ ┣━━uint8量化一个网络-1.abc [161.3M]
┃ ┃ ┗━━uint8量化一个网络-2.abc [216.1M]
┃ ┣━━week5 [2.2G]
┃ ┃ ┣━━就业分析+岗位推荐 [594M]
┃ ┃ ┃ ┣━━就业分析+岗位推荐-1.abc [230.8M]
┃ ┃ ┃ ┗━━就业分析+岗位推荐-2.abc [363.3M]
┃ ┃ ┣━━了解openppll架构 [375.7M]
┃ ┃ ┃ ┣━━了解openppll架构-1.abc [203.3M]
┃ ┃ ┃ ┗━━了解openppll架构-2.abc [172.5M]
┃ ┃ ┗━━神经网络编译器简介 [1.2G]
┃ ┃ ┣━━神经网络编译器简介-1.abc [222.9M]
┃ ┃ ┣━━神经网络编译器简介-2.abc [247.7M]
┃ ┃ ┣━━神经网络编译器简介-3.abc [278.5M]
┃ ┃ ┣━━神经网络编译器简介-4.abc [351.7M]
┃ ┃ ┗━━神经网络编译器简介-5.abc [159.9M]
┃ ┣━━week6 [1.8G]
┃ ┃ ┣━━编译+项目 [573.7M]
┃ ┃ ┃ ┣━━使用tvm进行一个网络的编译+项目一作业展示-1.abc [188.8M]
┃ ┃ ┃ ┗━━使用tvm进行一个网络的编译+项目一作业展示-2.abc [384.9M]
┃ ┃ ┗━━tvm [1.2G]
┃ ┃ ┣━━tvm-1.abc [220.6M]
┃ ┃ ┣━━tvm-2.abc [269.7M]
┃ ┃ ┣━━tvm-3.abc [397.5M]
┃ ┃ ┣━━tvm-4.abc [155.3M]
┃ ┃ ┗━━tvm-5.abc [231.5M]
┃ ┣━━week7 [2.1G]
┃ ┃ ┣━━使用ncnn进行离线量化并在eaidk310板子部署的demo-1.abc [297.9M]
┃ ┃ ┣━━使用ncnn进行离线量化并在eaidk310板子部署的demo-2.abc [531M]
┃ ┃ ┣━━ncnn-1.abc [255.2M]
┃ ┃ ┣━━ncnn-2.abc [321.2M]
┃ ┃ ┣━━ncnn-3.abc [299.3M]
┃ ┃ ┣━━ncnn-4.abc [167M]
┃ ┃ ┗━━ncnn-5.abc [232.3M]
┃ ┣━━week8 [2.4G]
┃ ┃ ┣━━使用MNN进行量化感知训练-1.abc [419M]
┃ ┃ ┣━━使用MNN进行量化感知训练-2.abc [723M]
┃ ┃ ┣━━mnn-1.abc [223.2M]
┃ ┃ ┣━━mnn-2.abc [384.9M]
┃ ┃ ┣━━mnn-3.abc [385.6M]
┃ ┃ ┗━━mnn-4.abc [327.4M]
┃ ┗━━week9 [1.1G]
┃ ┣━━cpu中的指令集优化-1.abc [203.4M]
┃ ┣━━cpu中的指令集优化-2.abc [205.1M]
┃ ┣━━cpu中的指令集优化-3.abc [227.1M]
┃ ┣━━cpu中的指令集优化-4.abc [135.3M]
┃ ┗━━cpu中的指令集优化-5.abc [309.3M]

┃ ┣━━week10 [1.6G]
┃ ┃ ┣━━在arm针对一个 cv算子的优化实例 [570.5M]
┃ ┃ ┃ ┣━━在arm针对一个 cv算子的优化实例-1.abc [253.7M]
┃ ┃ ┃ ┗━━在arm针对一个 cv算子的优化实例-2.abc [316.8M]
┃ ┃ ┗━━arm中的神经网络加速 [1G]
┃ ┃ ┣━━arm中的神经网络加速1.abc [239.7M]
┃ ┃ ┣━━arm中的神经网络加速2.abc [209.5M]
┃ ┃ ┣━━arm中的神经网络加速3.abc [227.3M]
┃ ┃ ┣━━arm中的神经网络加速4.abc [190.2M]
┃ ┃ ┗━━arm中的神经网络加速5.abc [193.5M]
┃ ┣━━week11 [1.1G]
┃ ┃ ┗━━卷积计算的优化算法 [1.1G]
┃ ┃ ┣━━卷积计算的优化算法1.abc [119.8M]
┃ ┃ ┣━━卷积计算的优化算法2.abc [305.3M]
┃ ┃ ┣━━卷积计算的优化算法3.abc [265.7M]
┃ ┃ ┣━━卷积计算的优化算法4.abc [173.1M]
┃ ┃ ┗━━卷积计算的优化算法5.abc [230.5M]
┃ ┣━━week12 [1.8G]
┃ ┃ ┣━━神经网络加速库-1.abc [273.9M]
┃ ┃ ┣━━神经网络加速库-2.abc [312.5M]
┃ ┃ ┣━━神经网络加速库-3.abc [259M]
┃ ┃ ┣━━神经网络加速库-4.abc [254.2M]
┃ ┃ ┣━━使用openblas在arm上进行编译对加速效果-1.abc [369.5M]
┃ ┃ ┗━━使用openblas在arm上进行编译对加速效果-2.abc [370.6M]
┃ ┣━━week13 [1.7G]
┃ ┃ ┣━━cuda上针对一个cv算子的优化实例1.abc [216.9M]
┃ ┃ ┣━━cuda上针对一个cv算子的优化实例2.abc [402.5M]
┃ ┃ ┣━━gpu上神经网络的运行和加速-1.abc [223.1M]
┃ ┃ ┣━━gpu上神经网络的运行和加速-2.abc [186.3M]
┃ ┃ ┣━━gpu上神经网络的运行和加速-3.abc [204M]
┃ ┃ ┣━━gpu上神经网络的运行和加速-4.abc [205.6M]
┃ ┃ ┗━━gpu上神经网络的运行和加速-5.abc [283.5M]
┃ ┣━━week14 [1.5G]
┃ ┃ ┣━━gpu加速通用加速库1.abc [252.6M]
┃ ┃ ┣━━gpu加速通用加速库2.abc [237.2M]
┃ ┃ ┣━━gpu加速通用加速库3.abc [308.7M]
┃ ┃ ┣━━gpu加速通用加速库4.abc [180.1M]
┃ ┃ ┣━━gpu加速通用加速库5.abc [117.7M]
┃ ┃ ┣━━tnn和mnn中vulkan库的使用实例1.abc [296.9M]
┃ ┃ ┗━━tnn和mnn中vulkan库的使用实例2.abc [181.7M]
┃ ┣━━week15 [1.6G]
┃ ┃ ┣━━在nncase中写一个层的支持1.abc [334.9M]
┃ ┃ ┣━━在nncase中写一个层的支持2.abc [253.4M]
┃ ┃ ┣━━dsp，fpga，npu专用加速计算1.abc [243.5M]
┃ ┃ ┣━━dsp，fpga，npu专用加速计算2.abc [295.4M]
┃ ┃ ┣━━dsp，fpga，npu专用加速计算3.abc [295M]
┃ ┃ ┗━━dsp，fpga，npu专用加速计算4.abc [189.6M]
┃ ┣━━week16 [2.1G]
┃ ┃ ┣━━针对slim人脸检测网络进行转换并运行1.abc [613.6M]
┃ ┃ ┣━━针对slim人脸检测网络进行转换并运行2.abc [219M]
┃ ┃ ┣━━针对slim人脸检测网络进行转换并运行3.abc [254.7M]
┃ ┃ ┣━━npu使用：嘉楠科技k210的介绍nncase人脸检测案例1.abc [220.2M]
┃ ┃ ┣━━npu使用：嘉楠科技k210的介绍nncase人脸检测案例2.abc [269.3M]
┃ ┃ ┣━━npu使用：嘉楠科技k210的介绍nncase人脸检测案例3.abc [242.1M]
┃ ┃ ┗━━npu使用：嘉楠科技k210的介绍nncase人脸检测案例4.abc [310.4M]
┣━━00.资料.zip [414.3M]
┗━━加密播放器下载地址.txt [105B]

admin网站管理

收藏 海报 链接