AI Edge e Embedded
Questa serie di video introduce l'IA Edge e Embedded, in cui i modelli addestrati vengono eseguiti direttamente su dispositivi locali, come computer edge o sistemi embedded, anziché fare affidamento sul cloud. Scopri come questo approccio consente risposte più rapide, riduce l'uso della larghezza di banda, migliora la privacy dei dati e aumenta l'affidabilità anche quando le connessioni di rete sono instabili.
Scopri come lo sviluppo dell'IA per i sistemi embedded e edge differisce dal deployment nel cloud. Sebbene il workflow fondamentale sia simile, è necessario prestare particolare attenzione all'ottimizzazione dei modelli per dispositivi con risorse limitate. I video esplorano strategie pratiche come la potatura, la quantizzazione e la proiezione, per ottimizzare le prestazioni dei tuoi modelli e farli funzionare in modo efficiente sull'hardware di destinazione. Attraverso esempi pratici, vedrai come i modelli di reti neurali possano essere compressi, spesso oltre il 90%, senza compromettere l'accuratezza, rendendo possibile l'integrazione delle capacità avanzate dell'IA su dispositivi con risorse limitate.
Introduzione pratica a Edge AI
Scopri le sfide pratiche di Edge AI, tra cui validazione, ottimizzazione, distribuzione e affidabilità.
Introduzione ai metodi di verifica formale per le reti neurali
Scopri la verifica formale delle reti neurali, inclusi i metodi basati su poliedri e intervalli, nonché algoritmi come DeepPoly e CROWN.
Compressione delle reti neurali per l’IA embedded: potatura, proiezione e quantizzazione
Impara come comprimere le reti neurali utilizzando potatura, proiezione e quantizzazione per eseguirle in modo efficiente su dispositivi embedded, senza perdita di accuratezza.
