首页
›
实战100例
›
031-Edge AI边缘部署实战
›
《边缘智能AI模型部署与推理优化实战100例》
VIP28
本课程属于：031-Edge AI边缘部署实战
实战100例 · 共 28 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
《边缘智能AI模型部署与推理优化实战100例》
共 100 例
01
边缘设备上的YOLOv5模型转换与部署
02
TensorFlow Lite模型量化与部署到Android
03
使用OpenVINO加速边缘服务器上的推理
04
基于TensorRT的GPU边缘设备推理优化
05
模型剪枝减少边缘设备内存占用
06
知识蒸馏压缩模型用于边缘部署
07
动态量化在ARM处理器上的应用
08
使用Core ML在iOS设备上部署模型
09
边缘设备上的模型并行推理框架搭建
10
基于ONNX Runtime的跨平台模型部署
11
边缘设备上的实时姿态估计模型部署
12
使用TensorFlow Lite Micro在微控制器上部署模型
13
边缘设备上的模型加密与安全推理
14
基于NCNN的移动端模型部署与优化
15
边缘设备上的视频流实时推理管道
16
模型融合在边缘设备上的应用
17
边缘设备上的联邦学习模型部署
18
使用Edge TPU加速边缘推理
19
边缘设备上的模型热更新机制
20
基于剪枝和量化的协同优化
21
边缘设备上的模型推理性能基准测试
22
使用TVM自动调优边缘设备上的模型
23
边缘设备上的模型推理错误处理与回退
24
基于TensorFlow.js的浏览器端模型部署
25
边缘设备上的模型推理结果后处理优化
26
使用OpenCV DNN模块部署边缘模型
27
边缘设备上的模型推理缓存策略
28
基于模型二值化的边缘部署
29
边缘设备上的模型推理调度优化
30
使用Intel Neural Compressor进行模型压缩
31
边缘设备上的模型推理能耗测量与优化
32
基于模型分块部署的边缘推理
33
边缘设备上的模型推理日志与监控
34
使用TensorRT的INT8量化部署
35
边缘设备上的模型推理容器化部署
36
基于Kubernetes的边缘推理集群管理
37
边缘设备上的模型推理API设计
38
使用gRPC优化边缘推理通信
39
边缘设备上的模型推理数据预处理优化
40
基于模型量化的边缘设备内存优化
41
边缘设备上的模型推理批处理优化
42
使用模型蒸馏和量化压缩模型
43
边缘设备上的模型推理异常检测
44
基于TensorFlow Lite的微控制器语音识别
45
边缘设备上的模型推理版本管理
46
使用OpenVINO的模型优化器转换模型
47
边缘设备上的模型推理性能分析工具
48
基于模型稀疏化的边缘部署
49
边缘设备上的模型推理安全防护
50
使用TensorFlow Serving部署边缘模型
51
边缘设备上的模型推理自动缩放
52
基于模型量化的边缘设备能耗优化
53
边缘设备上的模型推理结果缓存
54
使用NVIDIA DeepStream SDK部署视频分析
55
边缘设备上的模型推理负载均衡
56
基于模型剪枝的实时推理优化
57
边缘设备上的模型推理容错机制
58
使用TensorRT的模型集成部署
59
边缘设备上的模型推理数据流优化
60
基于模型量化的边缘设备延迟优化
61
边缘设备上的模型推理模型选择策略
62
使用ONNX Runtime的GPU加速
63
边缘设备上的模型推理模型压缩工具比较
64
基于模型量化的边缘设备吞吐量优化
65
边缘设备上的模型推理模型并行化
66
使用TensorFlow Lite的委派机制
67
边缘设备上的模型推理模型更新策略
68
基于模型量化的边缘设备模型大小优化
69
边缘设备上的模型推理模型解释性
70
使用OpenVINO的异构执行
71
边缘设备上的模型推理模型版本回滚
72
基于模型量化的边缘设备精度评估
73
边缘设备上的模型推理模型融合优化
74
使用TensorRT的模型校准
75
边缘设备上的模型推理模型缓存管理
76
基于模型量化的边缘设备推理速度优化
77
边缘设备上的模型推理模型监控告警
78
使用TensorFlow Lite的模型转换工具
79
边缘设备上的模型推理模型压缩与精度权衡
80
基于模型量化的边缘设备模型部署流程
81
边缘设备上的模型推理模型并行与数据并行
82
使用ONNX Runtime的量化工具
83
边缘设备上的模型推理模型热插拔
84
基于模型量化的边缘设备模型推理能耗优化
85
边缘设备上的模型推理模型压缩库比较
86
使用TensorRT的模型动态形状支持
87
边缘设备上的模型推理模型部署自动化
88
基于模型量化的边缘设备模型推理延迟优化
89
边缘设备上的模型推理模型压缩与能耗
90
使用OpenVINO的模型量化工具
91
边缘设备上的模型推理模型版本控制与回滚
92
基于模型量化的边缘设备模型推理吞吐量优化
93
边缘设备上的模型推理模型压缩与精度保持
94
使用TensorFlow Lite的模型量化感知训练
95
边缘设备上的模型推理模型部署最佳实践
96
基于模型量化的边缘设备模型推理能耗优化
97
边缘设备上的模型推理模型压缩与推理速度
98
使用ONNX Runtime的模型优化
99
边缘设备上的模型推理模型部署与监控
100
基于模型量化的边缘设备模型推理精度评估
所属VIP或分类
同VIP：Edge-AI-可穿戴设备实时健康监测实战100例
同VIP：EdgeImpulse边缘AI实战100例
同VIP：ESPS3边缘AI推理加速实战100例