算法卷不動了，最后一個值得卷的百萬年薪賽道！

眾所周知，深度神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用在圖像分類、物體檢測，目標(biāo)跟蹤等計算機(jī)視覺任務(wù)中，并取得了巨大成功。

隨著不同場景的需求變得更加多樣，越來越多的IoT設(shè)備和場景需要與數(shù)據(jù)采集點以最接近的低時延來進(jìn)行決策和操作；另外IoT物聯(lián)設(shè)備生成的數(shù)據(jù)量通常很大，由于運(yùn)營成本、時間和隱私方面的考慮，移動和存儲所有生成的數(shù)據(jù)不太可行。

AI技術(shù)的一個趨勢是在設(shè)備端上部署高性能的神經(jīng)網(wǎng)絡(luò)模型，并在真實場景中實時運(yùn)行。如移動端/嵌入式設(shè)備，這些設(shè)備的特點是內(nèi)存資源少，處理器性能不高，功耗受限，這使得目前精度最高的模型根本無法在這些設(shè)備進(jìn)行部署和達(dá)到實時運(yùn)行。

存儲空間和算力資源的限制，使得神經(jīng)網(wǎng)絡(luò)模型在移動設(shè)備和嵌入式設(shè)備上的存儲與計算仍然具有巨大的挑戰(zhàn)。

• 全面技術(shù)講解：課程涵蓋了輕量化神經(jīng)網(wǎng)絡(luò)設(shè)計、神經(jīng)網(wǎng)絡(luò)部署前的優(yōu)化方法、神經(jīng)網(wǎng)絡(luò)編譯器的設(shè)計模式和具體實現(xiàn)、神經(jīng)網(wǎng)絡(luò)部署到芯片上的計算加速等全面的AI嵌入式芯片設(shè)計和應(yīng)用相關(guān)人員就業(yè)必備的知識。
• 軟硬件相結(jié)合：本課程除了全面講解高性能神經(jīng)網(wǎng)絡(luò)相關(guān)的知識技術(shù)外，還會指導(dǎo)學(xué)員在硬件上進(jìn)行實操。
• 專家導(dǎo)師授課：課程導(dǎo)師為AI芯片行業(yè)專家，相關(guān)項目經(jīng)驗十分豐富。

• 掌握神經(jīng)網(wǎng)絡(luò)高性能實現(xiàn)的算法及工具
• 掌握通用芯片及專用AI芯片架構(gòu)及網(wǎng)絡(luò)加速技術(shù)
• 掌握通用芯片及專用AI芯片神經(jīng)網(wǎng)絡(luò)部署應(yīng)用的實際案例
• 短期內(nèi)對一個領(lǐng)域有全面的認(rèn)識，大大節(jié)省學(xué)習(xí)時間
• 認(rèn)識一群擁有同樣興趣的人、相互交流、相互學(xué)習(xí)

• 輕量化網(wǎng)絡(luò)設(shè)計背景介紹
• 網(wǎng)絡(luò)的計算量和內(nèi)存分析工具
• 主干網(wǎng)絡(luò)的輕量化
• 檢測網(wǎng)絡(luò)的輕量化
• 分割網(wǎng)絡(luò)的輕量化
• 典型網(wǎng)絡(luò)的設(shè)計思路

• 知識蒸餾方法介紹
• 知識蒸餾原理和步驟介紹
• 知識蒸餾訓(xùn)練方法縮減網(wǎng)絡(luò)的實際分類網(wǎng)絡(luò)演示
• 低秩分解原理
• 低秩分解加速計算在神經(jīng)網(wǎng)絡(luò)推理中的應(yīng)用

• 網(wǎng)絡(luò)剪枝的原理
• 常用的剪枝策略
• 神經(jīng)網(wǎng)絡(luò)框架中的剪枝功能介紹
• 剪枝的實際使用

• 網(wǎng)絡(luò)量化的技術(shù)發(fā)展
• 不同離線量化算法的實現(xiàn)原理
• 神經(jīng)網(wǎng)絡(luò)框架中在線感知量化算法的原理及實現(xiàn)
• 實際案例

• tvm、ncnn、tnn、mnn的簡要對比
• tvm relay和網(wǎng)絡(luò)轉(zhuǎn)換
• 網(wǎng)絡(luò)的編譯優(yōu)化和推理加速
• tvm的實際案例

• ncnn的系統(tǒng)架構(gòu)圖
• ncnn的數(shù)據(jù)結(jié)構(gòu)及支持框架
• ncnn的網(wǎng)絡(luò)表示
• ncnn網(wǎng)絡(luò)優(yōu)化，量化，及各平臺的優(yōu)化策略

• tnn的系統(tǒng)架構(gòu)圖
• tnn的數(shù)據(jù)結(jié)構(gòu)及支持框架
• tnn的網(wǎng)絡(luò)表示
• tnn網(wǎng)絡(luò)優(yōu)化，量化，及各平臺的優(yōu)化策略

• mnn的系統(tǒng)架構(gòu)圖
• mnn的數(shù)據(jù)結(jié)構(gòu)及支持框架
• mnn的網(wǎng)絡(luò)表示
• mnn網(wǎng)絡(luò)優(yōu)化，量化，及各平臺的優(yōu)化策略

• cpu中的指令集優(yōu)化：simd，avx，sse方法
• tvm中對于cpu上神經(jīng)網(wǎng)絡(luò)加速的位置

• arm中的neon優(yōu)化
• ncnn，tnn和mnn實現(xiàn)的講解
• 具體加速效果的實際案例

• openblas庫的優(yōu)化
• nnpack/qnnpack的優(yōu)化
• lowpgemm

• gpu與cpu計算加速的區(qū)別
• 英偉達(dá)gpu的原生cuda加速方法
• 推理側(cè)tensorrt的使用

• 通用加速庫cublas的使用
• Vulkan的使用
• opencl的使用

• dsp計算加速
• fpga計算加速
• npu專用加速計算

• 嘉楠科技k210芯片介紹
• nncase人臉檢測案例

• 基礎(chǔ)知識講解
• 前沿論文解讀
• 論文代碼復(fù)現(xiàn)
• 該知識內(nèi)容的實際應(yīng)用
• 該知識的項目實戰(zhàn)
• 該方向的知識延伸及未來趨勢講解

• 編程及深度學(xué)習(xí)基礎(chǔ)良好，為了想進(jìn)入AI芯片行業(yè)發(fā)展

• 想進(jìn)入AI芯片行業(yè)的算法或IT工程師
• 想通過掌握硬件技術(shù)，拓寬未來職業(yè)路徑的AI算法工程師

• 掌握python、C++開發(fā)，及深度學(xué)習(xí)的基礎(chǔ)知識。