项目对应第几周的课程：5~8周
▌项目3
项目名称：通用芯片加速技术
项目内容描述：cpu ， arm对应的指令集级别的加速 ， 编译器中具体的优化策略 ， simd ， avx ， sse ， openblas ， neon和cpu中对于卷积的运算加速方案 ， cpu上的具体实例 ， arm上的具体实例 ， 环境配置 ， 神经网络的例子 ， 加速方案的组合和实际效果 。
项目使用的算法：simd ， avs ， sse ， blas ， winograd
项目使用的工具：nnpack ， qnnpack ， lowpgemm ， tvm ， ncnn
项目预期结果：学员深入掌握cpu ， arm等芯片的神经网络加速技术 ， 并且通过一个例子来看具体的加速效果。
项目对应第几周的课程：9~12周
▌项目4
项目名称：专用芯片加速技术
项目内容描述：gpu和k210 npu及各自神经网络编译器中的加速优化技术 ， gpu上的cuda加速的方法 ， cublas ， opencl ， vulkan的开发例子 ， nncase上编译一个网络 ， k210开发板环境配置及人脸检测模型的部署
项目使用的算法：人脸检测
项目使用的工具（编程语言、工具、技术等）：Python ， C/C++ ， opencl ， vulkan ， nncase
项目预期结果：学员可以掌握gpu及npu上神经网络的编译加速 ， 并且通过一个具体的例子来完成人脸检测模型在k210芯片上的部署。
项目对应第几周的课程：13~16周
感兴趣的请添加咨询顾问
04
详细内容介绍
第一周：轻量化网络结构设计
【2022年薪百万赛道：高性能神经网络与AI芯片应用！】本节课将讲解网络参数量、浮点运算数等模型评价指标、工具 ， 以及分类网络 ，检测网络 ， 分割网络的轻量化设计 。
课程提纲：

• 轻量化网络设计背景介绍
  
• 网络的计算量和内存分析工具
  
• 主干网络的轻量化
  
• 检测网络的轻量化
  
• 分割网络的轻量化
  
• 典型网络的设计思路
  

第二周：知识蒸馏优化、低秩分解优化
本节课将讲解神经网络知识蒸馏优化、神经网络计算低秩分解加速计算方法 。
课程提纲：

• 知识蒸馏方法介绍
• 知识蒸馏原理和步骤介绍
• 知识蒸馏训练方法缩减网络的实际分类网络演示
• 低秩分解原理
• 低秩分解加速计算在神经网络推理中的应用

第三周：网络剪枝
本节课将讲解网络稀疏性原理 ， 网络剪枝原则及剪枝的常见方法 。
课程提纲：

• 网络剪枝的原理
  
• 常用的剪枝策略
  
• 神经网络框架中的剪枝功能介绍
  
• 剪枝的实际使用
  

第四周：网络量化
本节课将讲解网络的低比特化 ， 以及在AI芯片中的计算 ， 实现网络量化的离线和在线感知的量化方法 。
课程提纲：

• 网络量化的技术发展
  
• 不同离线量化算法的实现原理
  
• 神经网络框架中在线感知量化算法的原理及实现
  
• 实际案例
  

第五周：神经网络编译器简介
本节课将讲解tvm、ncnn、tnn、mnn的简要对比 ， tvm relay和网络转换 ， 网络的编译优化和推理加速 。
课程提纲：

• tvm、ncnn、tnn、mnn的简要对比
  
• tvm relay和网络转换
  
• 网络的编译优化和推理加速
  
• tvm的实际案例
  

第六周：ncnn
本节课将讲解ncnn的系统架构图 ， 数据结构 ， 支持的框架 ， 网络的表示 ， 网络优化 ， 量化 ， 以及各平台的优化策略。
课程提纲：