Návrh Školení

Úvod do AI s nízkým spotřebou energie

  • Přehled AI v zanořených systémech
  • Výzvy nasazování AI na zařízeních s nízkým spotřebou energie
  • Energeticky efektivní aplikace AI

Techniky optimalizace modelů

  • Kvantizace a její dopad na výkon
  • Ořezávání a sdílení váh
  • Destilace znalostí pro zjednodušení modelů

Nasazování AI modelech na zařízeních s nízkým spotřebou energie

  • Použití TensorFlow Lite a ONNX Runtime pro hranicovou AI
  • Optimalizace AI modelů pomocí NVIDIA TensorRT
  • Hardware akcelerace s Coral TPU a Jetson Nano

Zmírnění spotřeby energie v aplikacích AI

  • Profilování elektrického příkonu a metriky efektivity
  • Architektury s nízkým spotřebou energie
  • Dynamická změna elektrického příkonu a adaptivní techniky inferencí

Případové studie a reálné aplikace

  • AI podporovaná bateriově poháněná IoT zařízení
  • Hloubkově učený model s nízkým spotřebou energie pro zdravotnictví a nositelné zařízení
  • Aplikace pro města budoucnosti a monitorování prostředí

Nejlepší praktiky a budoucí trendy

  • Optimalizace hranicové AI pro udržitelnost
  • Pokroky v energeticky efektivním hardware pro AI
  • Budoucí rozvoj výzkumu s nízkým spotřebou energie pro AI

Shrnutí a další kroky

Požadavky

  • Přehled hlubokých učení modelů
  • Zkušenosti s vloženými systémy nebo nasazováním AI
  • Základní znalost technik optimalizace modelů

Cílová skupina

  • Inženýři AI
  • Vývojáři vložených systémů
  • Inženýři hardwaru
 21 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie