你能学到什么？
第2层：掌握CV算法最底层的能力，包括模型设计基础，图像分类，模型分析。
第3层：掌握CV算法最核心的方向，包括图像分割，目标检测，图像生成，目标跟踪。
第4层：掌握CV算法最核心的应用，包括人脸图像，图像质量，视频分析，图像编辑。
第5层：掌握算法落地的关键技术，包括模型优化，模型部署。
有的是嵌入式平台，诸如手机等各类移动端设备、车载设备，追求的是低延迟，小模型。
因此我们进行模型部署的时候，需要各有侧重。当前模型优化和部署的工具非常多，包括TensorRT、NCNN、MNN等；当前的硬件平台也非常多，包括CPU、GPU，Arm、NPU、FPGA等。
为了帮助大家学习深度学习模型部署，有三AI推出《深度学习之模型部署》课程，力争对大部分主流框架，以及典型部署平台进行介绍与实战。
子欲学算法，模型部署是最后的一环！这就是我们这一门课期望帮大家搞定的问题！下面请听课程的详细介绍！
本次课程中一共已经包含了5个平台和框架案例，分别为通用NCNN部署，Tengine在EAIDK嵌入式平台上的部署，TensorRT在服务器端的模型优化与部署，微信小程序的前后端完整部署，MNN在Android手机端部署，后续还会增加其他硬件平台与部署框架。
课程大纲如下：
(3) Tengine嵌入式平台部署。Tengine涵盖了模型的加载解析，格式转换，计算图的调度和优化，在多种架构的芯片上高效运行，具有通用，开放，高性能等特点，本部分课程讲解Tengine框架介绍，在EDIDK嵌入式平台上的模型部署，并附带完整的工程代码，约40分钟。
(4) 微信小程序部署。部署到线上现在最轻便且最方便传播的当属微信小程序了，微信小程序依托于微信，不需要下载安装即可使用，本课程内容包括微信小程序部署服务端开发与前端开发的内容，并附带完整的工程代码，约70分钟。
(5) TensorRT模型优化与部署，TensorRT是一个高性能的深度学习推理（Inference）优化器，可以为深度学习应用提供低延迟、高吞吐率的部署推理。本部分课程内容主要包含Tensorrt入门、环境配置与安装、Python/C++接口网络加速实战等，并附带完整的工程代码，约90分钟。
(6) Android部署，本部分内容介绍MNN框架的编译安装，模型转化与量化加速、手机端部署实例3个部分，并附带完整的工程代码，约60分钟。
以上就是当前更新的内容，后续更新内容请大家及时关注，本课程讲师为言有三与有三AI团队项目负责人。
拥有超过7年的计算机视觉从业经验，拥有丰富的传统图像算法和深度学习计算机视觉项目经验，著有书籍《深度学习之图像识别：核心技术与案例实战》(机械工业出版社2019.4)，《深度学习之模型设计：核心算法与案例实践》(电子工业出版社2020.6)，《深度学习之人脸图像处理：核心算法与案例实战》(机械工业出版社2020.7)，《深度学习之摄影图像处理：核心算法与案例精粹》(人民邮电出版社2021.4)，拥有10余项发明技术专利与学术论文。
擅长领域：Caffe，Tensorflow，Pytorch等主流深度学习平台。神经网络与深度学习理论，深度学习模型设计与优化，计算机视觉的基础领域，AI美学，2D与3D人脸算法，生成对抗网络GAN等领域。
项目负责人简介如下：
(2) 拥有扎实的编程功底。熟练掌握Python，C++，Java等语言。
(3) 拥有基本的前后端开发能力。熟练使用Linux，了解服务端Python部署框架Flask等，熟悉html，CSS等语言，了解javascript语言等。
本课程适合人群：
(1) 所有学习人工智能/深度学习算法，并有志于从事该领域的人员。
(2) 从事深度学习模型技术应用落地的技术人员。
(3) 对模型的部署落地感兴趣，希望增加自己项目经验的技术人员。
