Chia Sẻ Khóa Học Tensorflow, Pytorch, TensorRT, Onnx Từ Zero Đến Hero [Khóa 7279 A]
Docker, Tensorflow, Pytorch, Onnx, TensorRT, Model Detection, Model Classification, Model fine-tuning.
Bạn sẽ học được gì:
- ✓ 1. Docker là gì và cách sử dụng Docker.
- ✓ 2. Kubernet là gì và cách sử dụng với Docker.
- ✓ 3. Nvidia SuperComputer và ngôn ngữ lập trình Cuda.
- ✓ 4. OpenCL và OpenGL là gì và khi nào thì sử dụng?
- ✓ 6. Cài đặt, cấu hình Tensorflow và Pytorch với Docker.
- ✓ 7. DockerFile, Docker Compile và Docker Compose Debug file configuration.
- ✓ 8. Các phiên bản YOLO khác nhau, so sánh và thời điểm sử dụng phiên bản YOLO nào tùy theo bài toán của bạn.
- ✓ 9. Jupyter Notebook Editor cũng như Visual Studio Coding Skill.
- ✓ 10. Thiết lập Visual Studio Code và Docker Debugger với VS.
- ✓ 11. Framework ONNX là gì và cách sử dụng áp dụng onnx cho các bài toán tùy chỉnh của bạn.
- ✓ 12. TensorRT Framework là gì và cách sử dụng áp dụng cho các bài toán tùy chỉnh của bạn.
- ✓ 13. Các bài toán về Custom Detection, Classification, Segmentation và inference trên hình ảnh và video.
- ✓ 14. Lập trình hướng đối tượng Python3.
- ✓ 15. Lập trình ngôn ngữ Pycuda.
- ✓ 16. Các kỹ năng giải quyết bài toán Deep Learning trên Edge Devices và Cloud Computing.
- ✓ 17. Cách generate High Performance Inference Models để có được độ chính xác cao, phát hiện FPS cũng như tiêu thụ ít bộ nhớ gpu hơn.
- ✓ 18. Visual Studio Code với Docker.
Khóa học này chủ yếu được xem xét cho bất kỳ ứng viên nào (sinh viên, kỹ sư, chuyên gia) có động lực lớn để học cách đào tạo mô hình deep learning và deeployment. Các ứng viên sẽ có kiến thức sâu về Docker và cách sử dụng Tensorflow, Pytorch, Keras model với Docker. Ngoài ra, họ sẽ có thể tối ưu hóa và định lượng/tối ưu hóa các mô hình deeplearning với các ONNX và TensorRT framework để triển khai trong nhiều lĩnh vực như trên edge devices (nvidia jetson nano, tx2, agx, xavier), tự động hóa, robotics cũng như cloud computing thông qua nền tảng AWS và Google.
- ✓ 1. Tổng quan về Nvidia Devices và Cuda compiler language.
- ✓ 2. Kiến thức tổng quan về OpenCL và OpenGL.
- ✓ 3. Tìm hiểu và cài đặt Docker từ đầu.
- ✓ 4. Chuẩn bị DockerFiles, Docker Compose cũng như Docker Compose Debug file.
- ✓ 5. Triển khai và code Python thông qua cả Jupyter notebook cũng như Visual studio code.
- ✓ 6. Cấu hình và cài đặt các Plugin package trong Visual Studio Code.
- ✓ 7. Học, cài đặt và cấu hình các framework như Tensorflow, Pytorch, Kears với Docker images từ đầu.
- ✓ 8. Tiền xử lý và chuẩn bị Deep learning dataset cho training và testing.
- ✓ 9. OpenCV DNN.
- ✓ 10. Training, Testing và Validation các Deep Learning framework.
- ✓ 11. Chuyển đổi các prebuilt model thành Onnx và Onnx Inference trên hình ảnh.
- ✓ 12. Chuyển đổi mô hình onnx sang TensorRT engine.
- ✓ 13. TensorRT engine Inference trên hình ảnh và video.
- ✓ 14. So sánh các chỉ số và kết quả đạt được giữa TensorRT và Onnx Inference.
Mục lục:
- ✓ 01. Giới thiệu.
- ✓ 02. Tổng quan về Onnx, TensorRT, Docker.
- ✓ 03. NVIDIA Drivers.
- ✓ 04. Nvidia Hardware và Software, Cuda programming API Levels.
- ✓ 05. Cài đặt và cấu hình Docker.
- ✓ 06. Cài đặt Docker Cuda Toolkit & Setup DockerFile với các package cần thiết.
- ✓ 07. TensorRT & Onnx AI framework.
- ✓ 08. Resnet 18 với ONNX-TENSORRT.
- ✓ 09. Resnet 18 TensorRT Inference.
- ✓ 10. YOLOV4 ONNX DNN.
- ✓ 11. YOLOV4 ONNX DNN Video.
- ✓ 12. YOLOv5 Onnx Inference - OpenCV.
- ✓ 13. Yolov5 TensorRT Inference.
- ✓ 14. TensorRT Tutoruial không có Local GPU, chỉ với Google Colab.
Khóa học này dành cho ai:
- ✓ Sinh viên mới tốt nghiệp.
- ✓ Sinh viên đại học.
- ✓ Chuyên gia AI.
- ✓ Embedded Software Engineer.
NHẬN GET EBOOK TRÊN AMAZON THEO YÊU CẦU