Logo de Mydra
Artificial Intelligence
DeepLearning.AI logo

DeepLearning.AI

Cuantización en Profundidad

  • hasta 1 hora
  • Intermedio

En Cuantización en Profundidad, construirás métodos de cuantización de modelos para reducir los pesos del modelo a ¼ de su tamaño original mientras mantienes el rendimiento. Este curso te ayudará a hacer que tus modelos sean más accesibles y rápidos en el tiempo de inferencia.

  • Cuantización lineal
  • Compresión de modelos
  • Medición de errores de cuantización
  • Empaquetado de pesos
  • PyTorch

Resumen

En este curso, implementarás y personalizarás la cuantización lineal desde cero, estudiando el equilibrio entre espacio y rendimiento. Construirás un cuantizador de propósito general en PyTorch para cuantizar cualquier modelo de código abierto, comprimiendo los pesos del modelo de 32 bits a 8 bits e incluso 2 bits. Este curso proporciona la base para explorar métodos de cuantización más avanzados.

  • Web Streamline Icon: https://streamlinehq.com
    Online
    ubicación del curso
  • Layers 1 Streamline Icon: https://streamlinehq.com
    Inglés
    idioma del curso
  • A tu propio ritmo
    formato del curso
  • Clases En vivo
    entregado en línea

¿Para quién es este curso?

Ingenieros de Aprendizaje Automático

Profesionales que buscan profundizar su comprensión de los métodos de cuantización lineal.

Científicos de Datos

Individuos interesados en hacer que sus modelos sean más accesibles y rápidos en el tiempo de inferencia.

Entusiastas de la IA

Aprendices que han completado el curso de Fundamentos de Cuantización y desean explorar técnicas avanzadas de cuantización.

Únete a este curso para construir y personalizar funciones de cuantización lineal, medir errores de cuantización y comprimir pesos de modelos. Ideal para ingenieros de aprendizaje automático, científicos de datos y entusiastas de la IA que buscan avanzar en sus habilidades.

Requisitos Previos

1 / 3

  • Comprensión básica de los conceptos de aprendizaje automático

  • Familiaridad con PyTorch

  • Completar el curso de Fundamentos de Cuantización (recomendado)

¿Qué aprenderás?

Introducción a la Cuantización
Visión general de la cuantización y su importancia en la compresión de modelos.
Métodos de Cuantización Lineal
Exploración detallada de la cuantización lineal, incluyendo modos simétricos y asimétricos.
Granularidades en la Cuantización
Comprensión de diferentes granularidades como cuantización por tensor, por canal y por grupo.
Construcción de un Cuantizador en PyTorch
Guía paso a paso para construir un cuantizador de propósito general en PyTorch.
Medición de Errores de Cuantización
Técnicas para medir y equilibrar el compromiso entre rendimiento y espacio.
Técnicas Avanzadas de Cuantización
Implementación del empaquetado de pesos para empaquetar cuatro pesos de 2 bits en un solo entero de 8 bits.
Estudios de Caso y Aplicaciones
Aplicaciones del mundo real y estudios de caso de la cuantización en modelos de aprendizaje automático.
Direcciones Futuras en Cuantización
Exploración de métodos avanzados de cuantización y direcciones futuras de investigación.

Conozca a sus instructores

  • Marc Sun

    No hay biografía disponible

  • Younes Belkada

    No hay biografía disponible

Próximos cohortes

  • Fechas

    comienza ahora

Libre