探讨如何利用专用AI芯片提升神经网络模型的运行效率与性能，结合硬件架构特性与算法优化策略。通过实际案例演示模型压缩、量化加速及跨平台部署等技术，助力开发者在边缘计算、自动驾驶等场景实现低功耗、高实时性的智能应用。

 基于AI芯片的神经网络优化实战
├──  PART1
│   ├──  第04周
│   │   ├──  uint8量化一个网络-1.mp4
│   │   ├──  uint8量化一个网络-2.mp4
│   │   ├──  网络量化-1.mp4
│   │   ├──  网络量化-2.mp4
│   │   ├──  网络量化-3.mp4
│   │   ├──  网络量化-4.mp4
│   │   └──  网络量化-5.mp4
│   ├──  第05周
│   │   ├──  就业分析+岗位推荐
│   │   │   └── ...
│   │   ├──  了解openppll架构
│   │   │   └── ...
│   │   └──  神经网络编译器简介
│   │       └── ...
│   ├──  第二周
│   │   ├──  使用知识蒸馏完成检测网络的压缩
│   │   │   └── ...
│   │   └──  知识蒸馏优化、低秩分解优化
│   │       └── ...
│   ├──  第三周
│   │   ├──  使用结构化剪枝完成一个网络结构的剪枝
│   │   │   └── ...
│   │   └──  网络剪枝
│   │       └── ...
│   └──  第一周
│       ├──  1.轻量化网络结构设计
│       │   └── ...
│       └──  2.实例分割相关的轻量网络并评估性能
│           └── ...
└──  PART2
    └──  第06-07周
        ├──  刀网地址发布页.url
        ├──  ncnn-1.mp4
        ├──  ncnn-2.mp4
        ├──  ncnn-3.mp4
        ├──  ncnn-4.mp4
        ├──  ncnn-5.mp4
        ├──  README.txt
        ├──  主题：使用ncnn进行离线量化并在eaidk310板子部署的demo-1.mp4
        └──  主题：使用ncnn进行离线量化并在eaidk310板子部署的demo-2.mp4