Upravne informacije
| Naslov | Kompresija modela |
| Trajanje | 150 min |
| Modul | C |
| Vrsta lekcije | Praktična |
| Osredotočenost | Tehnična – prihodnja umetna inteligenca |
| Tema | Napredek pri modelih ML skozi objektiv HC – študija, usmerjena v rezultate |
Ključne besede
kompresija modela, obrezovanje, kvantizacija, destilacija znanja,
Učni cilji
- Razumeti, kako izvajati tehnike kompresije modela
- Izkoristite prednosti obrezovanja, kvantizacije in destilacije znanja
- Spoznavanje ogrodja na visoki ravni, kot je TensorFlow
Pričakovana priprava
Učenje Dogodki, ki jih je treba dokončati pred
Obvezno za študente
- Osnovno razumevanje konceptov in tehnik kompresije modela
- Osnovno razumevanje, kako je mogoče oceniti uspešnost modelov strojnega in globokega učenja (npr. natančnost, natančnost in odpoklic, ocena F)
- Poznavanje programskega jezika Python
Neobvezno za študente
- Poznavanje okvira TensorFlow
Reference in ozadje za študente
- Znanje strojnega učenja in teorija nevronskih mrež
Priporočeno za učitelje
- Odpoklic znanja o okviru TensorFlow in programskem jeziku Python
- Zagotovitev praktičnega pogleda na izvajanje, ki je potrebno za uporabo tehnik stiskanja modelov
- Predlagajte pojavne kvize
Gradivo za učne ure
Navodila za učitelje
- Kratek pregled Tensorflow 2.x
- Uporabite Google Colab kot delovni zvezek Jupyter za praktično uporabo
- Študenti morajo uporabiti navedeni čas, dodeljen za vsako nalogo.
- Opravilo 1 do Opravilo 4 je treba dokončati, preden so dodeljena preostala opravila.
Opis lekcije
| Trajanje | Opis | Koncepti | Aktivnost | Material |
|---|---|---|---|---|
| 0–10 min | Uvod v uporabljena orodja in kako narediti roke umazane v sekundi | Uvod v orodja | Uvod v glavna orodja | |
| 10–80 min | [Naloga 1 – naloga 3] Usposabljanje modela in potem? Kako uporabiti obrezovanje in količinsko opredelitev za delovne modele in primerjavo zmogljivosti | Obrezovanje in kvantizacija | Praktična seja in delovni primeri | CoLab zvezek |
| 80–140 min | [Naloga 4 – Naloga 6] Kdaj bi lahko bila destilacija znanja koristna? Kako destilirati znanje od učitelja do učenca | Destilacija znanja | Praktična seja in delovni primeri | CoLab zvezek |
| 140–150 min | Zaključek, vprašanja in odgovori | Povzetek | Sklepi |
Priznanja
- Rosario Catelli [CNR]
- Google Colab materiali za obrezovanje
- Google Colab materiali za destilacijo
Program Masters umetne inteligence, ki je bil vključen v človeka, je bil sofinanciran z instrumentom za povezovanje Evrope Evropske unije v okviru nepovratnih sredstev (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).