近年来，端侧AI在技术和应用方面取得了快速发展，端侧计算模型已经应用于各行各业的AI实践。例如，配置在野外气象观测站用于环境监测，响应垃圾分类政策制作智能垃圾箱等。

但是，端计算也存在一些挑战。例如，计算需求量大、对实时性要求高、受限的内存和存储。

那么，在实际应用中，我们应该如何训练端计算模型呢。提高模型计算速度的方法

10月28日，在第二季《百度AI实战营》直播中，百度讲解高级工程师如何优化最终模型识别速度以及如何解决最终模型部署问题，并直播使用EasyDlamp的演示。EasyEdge进行模型训练和最终模型配置。

欢迎对最终计算、AI开发感兴趣的合作伙伴报名~

共享内容

主题：

AI端计算应用：一种快速训练高精度模型并在设备端加速计算的方法

共享概述：

端计算模型应用背景介绍瑕疵检查、垃圾分类场景案例展示技术解析：如何通过图优化（量化切割）和基于芯片的优化提高模型识别速度实战演示：如何利用EasyDlamp、EasyEdge导入端计算模型、实现办公垃圾智能检测场景共享嘉宾

阿达、百度AI平台研发部高级研发工程师。加州大学伯克利分校硕士，主要参与百度EasyEdge端计算模型生成的研发，包括深度学习模型的转换、加速和异构计算设备高性能推理部署方案的研发等。

直播amp；申请，申请

直播时间：

2020年10月28日19：00-20：30

其中Qamp；A时间是30分钟

免费报名：

私信量子比特“公开课”可获得报名方式：

阿达老师，欢迎更多的开发者一起探讨、交流，也欢迎需要海报的朋友分享：

△在代码扫描中添加好友，参加课堂直播组

百度关于EasyDL

EasyDL是基于深度学习平台的羽毛毽，结合行业先进的工程服务技术打造的、简单易用的模型培训和服务平台，具有三大特点：

极其简单的交互和使用过程，最短15分钟即可完成模型训练。图像分类模型线上平均精度在99%以上的高精度训练效果、配置方式丰富，全面支持云、端、边的配置。

简而言之，EasyDL大大降低了深度学习的应用门槛，使AI开发变得像使用“家用电器”一样简单，而且训练了所生产的AI模型的质量，就像高级工程师生产的那样专业。

-结束了

量子比特QbitaI头线合同作者

关注我们，首先了解最先进的科技动态