TensorRT-Tensorflow深度学习模型优化视频课程-全套资料分享

    该课程详细讲解如何使用TensorRT来优化Tensorflow训练的深度学习模型。我们选择了LeNet模型和YOLOv3模型作为例子，与原始模型相比，优化后的模型速度分别提高了3.7倍和1.5倍。有关详细信息以及如何运行代码，请参阅具体课程视频。

    文末附课程全套视频下载地址。

 

课程目录

        1、将Tensorflow模型优化为TensorRT

        2、在TensorRT优化之前和之后可视化

        3、优化Keras模型到TensorRT

        4、使用您自己的数据集训练Keras模型

        5、恢复并使用存储的Keras模型执行推理

        6、使用TensorRT优化YOLOv3

        7、另一个YOLOv3检测结果（原生Tensorflow与TensorRT优化）

 

代码及实验数据下载地址：        

       https://github.com/ardianumam/Tensorflow-TensorRT

 

课程使用运行库及版本:

        1、Tensorflow 1.12 (Dekstop) and Tensorflow 1.11 (Jetson TX2)

        2、OpenCV 3.4.5

        3、Pillow 5.2.0

        4、Numpy 1.15.2

        5、Matplotlib 3.0.0

 

课程中使用的运行环境：

  Dekstop PC

        1、OS: Ubuntu 16.04 - 64bit

        2、GPU: GeForce 1060 6Gb

        3、Driver version: 384.130

        4、RAM: 16Gb

        5、CUDA: 9.0

        6、CuDNN: 7

        7、TensorRT: 4.1.2

        8、Python: 64-bit, version 3.5

 Jetson TX2

        1、OS: Ubuntu 16.04 - 64bit

        2、GPU (with RAM shared): 8Gb

        3、Driver version: Given along flashing with Jetpack 3.3

        4、CUDA: 9.0

        5、CuDNN: 7

        6、TensorRT: 4.1.3

        7、Python: 64-bit, version 3.5

课程视频下载地址

公众号回复关键字“rt2019”获取下载地址。

往期精品内容推荐

6部高分美剧，边看边提升口语，坚持每天学习，返200奖学金免费学！

中文自然语言处理开放任务介绍、数据集、当前最佳结果分享

新书-计算机视觉、机器人及机器学习线性代数基础-最新版分享

2019年迄今最佳深度学习研究进展汇总

中文版-BERT-预训练的深度双向Transformer语言模型-详细介绍

台大陈蕴侬-2019-《应用深度学习（中文）》课程视频分享

深度学习中Attention Mechanism详细介绍：原理、分类及应用

上下文预训练模型最全整理：原理、应用、开源代码、数据分享

2018-Github最热门机器学习开源项目Top10分享

先睹为快:神经网络顶会ICLR 2019论文热点分析

BatchNorm有效性原理解析

好书推荐-《深度学习基础-构建下一代机器学习算法》免费下载

吴恩达-中文完整版《Mechine Learning Yearning》分享

深度学习工业级部署实践：基于Spark部署Tensorflow深度学习模型