Logotipo Mydra
Iniciar sessão
>Todos os cursos>Artificial Intelligence
Artificial Intelligence
Artificial Intelligence
DeepLearning.AI logo

DeepLearning.AI

Quantização em Profundidade

  • até 1 hora
  • Intermédio

Em Quantização em Profundidade, você construirá métodos de quantização de modelos para reduzir os pesos dos modelos para ¼ do seu tamanho original, mantendo o desempenho. Este curso ajudará a tornar seus modelos mais acessíveis e rápidos no tempo de inferência.

  • Quantização linear
  • Compressão de modelos
  • Medição de erro de quantização
  • Empacotamento de pesos
  • PyTorch

Visão Geral

Neste curso, você implementará e personalizará a quantização linear do zero, estudando o equilíbrio entre espaço e desempenho. Você construirá um quantizador de uso geral em PyTorch para quantizar qualquer modelo de código aberto, comprimindo os pesos do modelo de 32 bits para 8 bits e até 2 bits. Este curso fornece a base para explorar métodos de quantização mais avançados.

  • Web Streamline Icon: https://streamlinehq.com
    Online
    localização do curso
  • Layers 1 Streamline Icon: https://streamlinehq.com
    Inglês
    idioma do curso
  • Ao seu próprio ritmo
    formato do curso
  • Aulas Ao vivo
    entregue online

Para quem é este curso?

Engenheiros de Aprendizado de Máquina

Profissionais que desejam aprofundar seu entendimento sobre métodos de quantização linear.

Cientistas de Dados

Indivíduos interessados em tornar seus modelos mais acessíveis e rápidos no tempo de inferência.

Entusiastas de IA

Aprendizes que completaram o curso Fundamentos de Quantização e querem explorar técnicas avançadas de quantização.

Por que deve fazer este curso?

Artificial Intelligence

Participe deste curso para construir e personalizar funções de quantização linear, medir erros de quantização e comprimir pesos de modelos. Ideal para engenheiros de aprendizado de máquina, cientistas de dados e entusiastas de IA que desejam avançar suas habilidades.

Pré-Requisitos

1 / 3

  • Compreensão básica dos conceitos de aprendizado de máquina

  • Familiaridade com PyTorch

  • Conclusão do curso Fundamentos de Quantização (recomendado)

O que vai aprender?

Introdução à Quantização
Visão geral da quantização e sua importância na compressão de modelos.
Métodos de Quantização Linear
Exploração detalhada da quantização linear, incluindo modos simétrico e assimétrico.
Granularidades na Quantização
Compreensão das diferentes granularidades, como quantização por tensor, por canal e por grupo.
Construindo um Quantizador em PyTorch
Guia passo a passo para construir um quantizador de uso geral em PyTorch.
Medição de Erro de Quantização
Técnicas para medir e equilibrar a troca entre desempenho e espaço.
Técnicas Avançadas de Quantização
Implementação de empacotamento de pesos para empacotar quatro pesos de 2 bits em um único inteiro de 8 bits.
Estudos de Caso e Aplicações
Aplicações do mundo real e estudos de caso de quantização em modelos de aprendizado de máquina.
Direções Futuras na Quantização
Exploração de métodos avançados de quantização e direções futuras de pesquisa.

Conheça seus instrutores

  • Marc Sun

    Nenhuma biografia disponível

  • Younes Belkada

    Nenhuma biografia disponível

Próximas turmas

  • Datas

    comece agora

Gratuito