在此實作坊中，你將學習如何訓練、加速和最佳化缺陷偵測分類器。首先，我們將探索在工業檢查、問題界定、資料統籌、探索和格式化的主要挑戰。接著，你將瞭解遷移學習、線上擴增、建模和微調的基本原理。在實作坊結束時，你將熟悉最佳化推論、效能評估和深度學習模型詮釋的重要概念。
學習目標
參加本實作坊可學會：
- 制定工業檢查案例研究，並統籌自動化光學檢查（AOI）機器產生的資料集
- 處理工業檢查工作流程中的邏輯與資料處理挑戰
- 使用 Pandas DataFrame 和 NumPy 函式庫，從資料集中找出有意義的見解
- 將遷移學習應用於深度學習分類模型（Inception v3）
- 微調深度學習模型並設定評估指標
- 使用 NVIDIA ® TensorRT™ 5 在 NVIDIA V100 Tensor 核心 GPU 上將經過訓練的 Inception v3 模型最佳化
- 使用 V100 的 Tensor 核心對 FP16 半精度快速推論進行實驗
下載實作坊大綱與簡介 (PDF 83.3 KB)
