掌握模型部署常用方法及Docker工具使用，熟练部署各大框架项目。

*   01 PyTorch框架部署实践/

  *   01 1-所需基本环境配置.mp4 05:52

  *   02 2-模型加载与数据预处理.mp4 08:32

  *   03 3-接收与预测模块实现.mp4 07:39

  *   04 4-效果实例演示.mp4 08:20

*   02 YOLO-V3物体检测部署实例/

  *   01 1-项目所需配置文件介绍.mp4 07:08

  *   02 2-加载参数与模型权重.mp4 07:40

  *   03 3-数据预处理.mp4 10:37

  *   04 4-返回线性预测结果.mp4 08:02

*   03 docker实例演示/

  *   01 1-docker简介.mp4 05:57

  *   02 2-docker安装与配置.mp4 10:18

  *   03 3-阿里云镜像配置.mp4 06:26

  *   04 4-基于docker配置pytorch环境.mp4 10:56

  *   05 5-安装演示环境所需依赖.mp4 09:38

  *   06 6-复制所需配置到容器中.mp4 06:51

  *   07 7-上传与下载配置好的项目.mp4 12:46

*   04 tensorflow-serving实战/

  *   01 1-tf-serving项目获取与配置.mp4 06:53

  *   02 2-加载并启动模型服务.mp4 09:32

  *   03 3-测试模型部署效果.mp4 08:50

  *   04 4-fashion数据集获取.mp4 05:20

  *   05 5-加载fashion模型启动服务.mp4 07:14

*   05 模型减枝-Network Slimming算法分析/

  *   01 1-论文算法核心框架概述.mp4 07:25

  *   02 2-BatchNorm要解决的问题.mp4 06:54

  *   03 3-BN的本质作用.mp4 07:56

  *   04 4-额外的训练参数解读.mp4 07:15

  *   05 5-稀疏化原理与效果.mp4 09:04

*   06 模型减枝-Network Slimming实战解读/

  *   01 1-整体案例流程解读.mp4 07:15

  *   02 2-加入L1正则化来进行更新.mp4 06:32

  *   03 3-剪枝模块介绍.mp4 05:01

  *   04 4-筛选需要的特征图.mp4 09:19

  *   05 5-剪枝后模型参数赋值.mp4 10:52

  *   06 6-微调完成剪枝模型.mp4 06:44

*   07 Mobilenet三代网络模型架构/

  *   01 1-模型剪枝分析.mp4 07:23

  *   02 2-常见剪枝方法介绍.mp4 11:40

  *   03 3-mobilenet简介.mp4 04:10

  *   04 4-经典卷积计算量与参数量分析.mp4 05:38

  *   05 5-深度可分离卷积的作用与效果.mp4 07:13

  *   06 6-参数与计算量的比较.mp4 14:59

  *   07 7-V1版本效果分析.mp4 09:04

  *   08 8-V2版本改进以及Relu激活函数的问题.mp4 07:23

  *   09 9-倒残差结构的作用.mp4 06:42

  *   10 10-V2整体架构与效果分析.mp4 04:09

  *   11 11-V3版本网络架构分析.mp4 05:33

  *   12 12-SE模块作用与效果解读.mp4 12:06

  *   13 13-代码实现mobilenetV3网络架构.mp4 10:45