Học máy dựa trên thiết bị với TensorFlow Lite

Chạy mô hình học máy trên thiết bị di động và edge cần những kỹ thuật đặc biệt để đảm bảo hiệu suất cao mà không làm cạn pin. Chuyển đổi từ mô hình máy tính để bàn sang phần cứng hạn chế tài nguyên là một kỹ năng quan trọng đối với các nhà phát triển hiện đại. Trong khóa học này, bạn sẽ nắm vững các nguyên tắc cơ bản của TensorFlow Lite để thích nghi, tối ưu hóa và thực hiện các mô hình học máy trực tiếp trên nền tảng iOS và Android. Bạn sẽ hiểu cách thu nhỏ kích thước mô hình trong khi duy trì độ chính xác, cho phép bạn xây dựng các ứng dụng di động phản hồi, tập trung vào riêng tư chạy hoàn toàn ngoài mạng. Bạn sẽ học được: - Hiểu kiến trúc cốt lõi của TensorFlow Lite và luồng công việc học máy trên thiết bị - Chuyển đổi mô hình TensorFlow tiêu chuẩn sang định dạng đệm phẳng tối ưu - Apply post-training quantization techniques to dramatically reduce model size and accelerate inference - Hợp nhất các mô hình tối ưu vào các ứng dụng Android và iOS bằng cách sử dụng các mẫu API sạch - Cấu hình giao diện phần cứng để tận dụng GPU di động và các đơn vị xử lý thần kinh - Thực hiện các thủ tục tốt nhất để quản lý bộ nhớ và tiêu thụ pin trong khi chạy trên thiết bị Chương trình bắt đầu với các khái niệm cơ bản về tính toán edge và chuyển đổi mô hình, sau đó hướng dẫn bạn qua các bước thực hiện viết cho cả hai hệ điều hành di động chính. Bạn sẽ thực hành tối ưu hóa mô hình thông qua các ví dụ mã chi tiết và các bài tập tối ưa hóa cấu trúc. Chương trình này được thiết kế cho các nhà phát triển phần mềm và các kỹ sư học máy có tham vọng muốn mang các mô hình của họ đến các thiết bị di động. Không cần phải có kinh nghiệm phát triển di động hay phần cứng tiên tiến trước đó, vì chúng tôi bắt đầu với những điều cơ bản nhất về các ràng buộc và thuật ngữ dựa trên thiết bị. Bắt đầu đọc hôm nay để nối liền khoảng cách giữa lý thuyết học máy và triển khai di động thế giới thực.