位來 發自 凹非寺量子位 報道 | 公衆號 QbitAI

近年來，端側AI在技術和應用方面都取得了快速發展，端計算模型已應用到各行業的AI實踐中。如部署在野外氣象觀測點用於環境監測，響應垃圾分類政策用來打造智能垃圾桶等等。

但端計算也面臨一些挑戰，比如計算需求量大、對實時性要求高、受限與內存和存儲等。

那麼，在實際應用中，我們應如何訓練端計算模型？如何提升模型計算速度？

10月28日，第二期「百度AI實戰營」直播中，百度高級工程師將爲大家講解如何優化端模型識別速度，以及如何解決端模型部署問題，並直播演示使用EasyDL&EasyEdge進行模型訓練和端模型部署。

歡迎對端計算、AI開發感興趣的小夥伴報名圍觀~

分享內容

主題：

AI端計算應用—如何快速訓練高精度模型，並在設備端加速計算

分享提綱：

端計算模型應用背景介紹瑕疵檢測、垃圾分類場景案例展示技術解析：如何通過圖優化(量化剪裁)和基於芯片的優化提升模型識別速度實戰演示：如何藉助EasyDL&EasyEdge部署端計算模型，實現辦公室垃圾智能檢測場景分享嘉賓

阿達，百度AI平臺研發部高級研發工程師。加州大學伯克利分校碩士，主要參與百度EasyEdge端計算模型生成的研發工作，包括深度學習模型的轉換、加速和在異構計算設備的高性能推理部署方案研發等。

直播&報名

直播時間：

2020年10月28日，19:00-20:30

其中Q&A時間爲30分鐘

免費報名：

報名方式見下方圖片~~ 歡迎大家與阿達老師、更多開發者一起探討和交流，也歡迎分享海報給需要的朋友：

關於百度EasyDL

EasyDL是基於深度學習平臺飛槳、結合業界先進的工程服務技術打造的、簡單易用的模型訓練和服務平臺，具有3大特點：

極簡的交互和使用流程，最快15分鐘即可完成模型訓練；高精度的訓練效果，其中圖像分類模型的線上平均準確率在99%以上；部署方式豐富，全面支持雲、端、邊部署。

簡言之，EasyDL極大降低了深度學習的應用門檻，把AI開發這件事情，搞得像使用「家用電器」一樣簡單，而且訓練產出的AI模型質量，如同高級工程師產出的一樣專業。

— 完 —