![be35f4a96861a7cd623401154300b346.png](https://i-blog.csdnimg.cn/blog_migrate/5eeca2fc4ea1889da648bf62a82b11db.jpeg)
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://www.toutiao.com/a1642119169206344
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
https://www.toutiao.com/a1642119169206344
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