完整的TensorRT与ONNX课程：通过12个项目掌握检测和分割

掌握TensorRT与ONNX，获取先进独特的知识，助你就业

学习内容：

• 了解Docker及其实际应用
• 学习Kubernetes及其与Docker的实际应用
• 了解Nvidia超级计算机和Cuda编程语言及其实际应用
• 学习OpenCL和OpenGL及其实际应用
• （实验）Tensorflow/TF2和Pytorch的安装、配置与Docker
• （实验）DockerFile、Docker编译和Docker Compose调试文件配置
• （实验）不同YOLO版本的比较及根据问题选择合适版本
• （实验）Jupyter Notebook和Visual Studio编程技能
• （实验）Visual Studio Code设置及Docker调试器配置
• （实验）ONNX框架及其应用于自定义问题
• （实验）TensorRT框架及其应用于自定义问题
• （实验）自定义检测、分类、分割问题及其在图像和视频上的推理
• （实验）Python3面向对象编程
• （实验）Pycuda编程
• （实验）在边缘设备和云计算上解决深度学习问题的技能
• （实验）生成高性能推理模型，以获得高精度、高FPS检测和低GPU内存消耗
• （实验）使用Docker和Visual Studio Code
• （实验挑战）使用Opencv dnn进行yolov4 onnx推理
• （实验挑战）使用Opencv dnn进行yolov5 onnx推理
• （实验挑战）使用TensorRT和Pycuda进行yolov5 onnx推理
• （实验）使用TensorRT和Pycuda进行ResNet图像分类
• （实验）使用TensorRT和Pycuda进行视频帧上的yolov5 onnx推理
• （实验）为Python面向对象编程推理做好准备！
• （实验）基于YOLOV7对象检测的Python OOP继承
• 了解小目标检测和图像遮罩的深层理论知识
• 深入了解Yolov5/Yolov6/Yolov7/Yolov8架构及其实际应用
• 深入了解Yolov5 P5和P6模型及其实际应用
• 显式与隐式批量大小的关键区别
• （理论）TensorRT优化配置教程
• （理论）初级水平的TensorRT知识提升测验
• （理论挑战）中级水平的TensorRT知识提升测验
• （理论挑战）高级水平的TensorRT知识提升测验
• （理论挑战）初级/中级/高级的Cuda运行时实际与理论测验
• （理论挑战）通过实际与理论测验提升你的OpenCV-ONNX知识
• （深层理论知识）YoloV8 ONNX模型输入和输出推理
• （深层理论知识）YoloV8模型的使用及其应用领域
• （深层实际知识）YoloV8 ONNX模型的检测和分割
• 使用Resnet 101和UNet进行DeepLabV3语义分割
• （额外讲座）通过高级练习掌握深度强化学习

本课程包括：

• 20.5小时点播视频
• 作业
• 3篇文章
• 65个可下载资源
• 手机和电视上的访问权限
• 终身访问
• 完成证书

价格：$39.99

教程评分：评分：4.1（52条评分）

教程语言：英语

教程字幕：中英文字幕

课程要求：

• 基本的Python编程知识
• 基本的深度学习知识
• 配备CPU或GPU的PC笔记本

课程描述：

本课程主要面向对深度学习模型训练和部署有浓厚兴趣的任何候选人（学生、工程师、专家）。候选人将深入了解Docker，使用TENSORFLOW、PYTORCH、KERAS模型与DOCKER。此外，他们还能够使用ONNX和TensorRT框架对深度学习模型进行优化和量化，以便在各种领域中进行部署，如边缘设备（如Nvidia Jetson Nano、TX2、AGX、Xavier、Qualcomm RB5、Rasperry Pi、Particle Photon/Photon2）、自动驾驶、机器人以及通过AWS、Azure DevOps、Google Cloud、Valohai、Snowflakes等云计算平台。

TensorRT和ONNX在边缘设备中的使用：
边缘设备内置Nvidia GPU硬件加速器，能够加速实时推理，提高性能和准确性。
Nvidia Jetson Nano、TX2、AGX、Xavier：Jetpack 4.5/4.6 Cuda加速库
Qualcomm RB5：配合单目和双目视觉相机（CSI/MPI、USB相机）
Particle Photon/Photon2：用于通过语音识别系统实现Web API，应用于智能家居
机器人：机器人操作系统包，用于单目和双目视觉相机，以进行3D平移、人体跟踪和跟随、异常目标和噪声检测（如枪声、极高背景噪声）
Rasperry Pi 3A/3B/4B：基于OpenGL编译器的GPU

TensorRT和ONNX在机器人设备中的使用：
了解Nvidia设备和Cuda编译器语言
了解OpenCL和OpenGL
从零开始学习和安装Docker
准备DockerFiles、Docker Compose及其调试文件
通过Jupyter Notebook和Visual Studio Code实现和编写Python代码
在Visual Studio Code中配置和安装插件包
从零开始学习、安装和配置Tensorflow、Pytorch、Kears框架的Docker镜像
预处理和准备深度学习数据集以进行训练和测试
使用OpenCV DNN进行推理
训练、测试和验证深度学习框架
将预构建模型转换为Onnx并进行图像推理
将Onnx模型转换为TensorRT引擎
在图像和视频上进行TensorRT引擎推理
比较TensorRT和Onnx推理的结果和指标

为Python面向对象编程推理做好准备！
深入了解Yolov5 P5和P6大型模型
深入了解Yolov5/YoloV6架构及其使用案例
深入了解Yolov7/Yolov8小型和大型模型的研究论文及其实践编程技能
提升初级、中级和高级水平的TensorRT知识测验
提升初级、中级和高级水平的Nvidia驱动程序知识测验
通过实际与理论测验提升初级、中级和高级水平的Cuda运行时知识
通过实际与理论测验提升初级、中级和高级水平的OpenCV-ONNX知识
初级和高级Python编程技能，用于自动调优Yolov8 ONNX模型的超参数和输入（快速图像或视频预处理和后处理）以进行检测和语义分割
通过实际例子和深度Python编程（如冰冻湖游戏、月球着陆器无人机等）学习深度强化学习
初级、中级和高级迁移学习定制模型
初级、中级和高级目标分类
初级、中级和高级目标定位和检测
初级、中级和高级图像分割
人工智能用于医疗
实现高级目标检测和分割指标

推荐人群：
新毕业生
大学生
人工智能专家
嵌入式软件工程师
机器人工程师

B 站免费课程：更多免费教程

更多 人工智能 教程：更多 人工智能 教程