电脑上的人工智能

总结

学习如何使用英特尔® 硬件、软件和面向电脑上的人工智能的解决方案。解决边缘设备上深度学习推理的难点

本课程结束时，学生将掌握以下方面的实践知识：

  • Windows* Machine Learning 以加速机器学习应用
  • 英特尔® Distribution for OpenVINO™ toolkit 在多种硬件类型上的模型优化器和推理引擎
  • 深度学习工具和框架，如 TensorFlow* 和 Open Neural Network Exchange（ONNX*，或开放式神经网络交换）

本课程由 8 个模块的授课和练习构成。每个模块需要一小时完成。

必备条件

Python* 编程
微积分
线性代数
统计学基础

模块 1

本课程模块介绍人工智能的基础知识：

  • 人工智能的应用及其产业转型途径
  • 机器学习与深度学习的比较
  • 深度学习基本术语

下载

模块 2

本课程模块综述英特尔硬件如何用于人工智能。主题包括：

  • 英特尔对电脑上的人工智能的硬件和软件的观点
  • 不同的硬件如何应对各种人工智能任务，如训练和推理
  • 由工具套件、库、解决方案和硬件构成的分析生态系统

下载

模块 3

本课程模块讲授深度学习框架，并提供：

  • 机器学习优化框架概述
  • 介绍 TensorFlow 及中心概念，如计算图和会话
  • 在 Python* 中创建并运行简单计算图的指导

下载

模块 4

本课程模块解释端到端人工智能训练工作流程。主题包括：

  • 如何清理、正态化和优化数据集
  • 如何训练 GoogLeNet Inception 神经网络模型的实例 
  • 如何评估经训练的模型并测试其准确性和性能

下载

模块 5

本课程模块介绍边缘处人工智能推理的挑战。主题包括：

  • 什么是边缘计算以及边缘计算如何影响现代技术
  • 边缘推理的重要性以及为何新兴市场需要边缘推理

下载

模块 6

本课程模块介绍如何使用 Windows Machine Learning 加速人工智能开发。主题包括：

  • 使用 Windows Machine Learning 进行边缘推理的好处
  • 如何使用最流行的框架配合 ONNX 模型提高性能
  • Windows Machine Learning 堆栈如何提高集成图形上人工智能模型的性能

下载

模块 7

本课程模块介绍英特尔® Distribution of OpenVINO™ toolkit 以及如何使用它在边缘处运行推理。学习有关：

  • 该工具套件的不同部分以及使用该工具套件的优越性
  • 如何使用模型优化器改进预先训练的网络的模型拓扑结构 
  • 如何使用推理引擎在不同类型的硬件上运行

下载

模块 8

通过复习之前学习的主题来完成本课程，包括：

  • 英特尔硬件、工具套件和解决方案如何允许开发人员创建面向电脑上的人工智能的应用程序
  • 英特尔为何与微软*协作以通过 Windows Machine Learning 提高面向电脑的深度学习性能
  • 介绍英特尔® Distribution of OpenVINO™ toolkit 配合深度学习框架用于强大的人工智能应用

下载

提供反馈