课程价格 ：
¥1599.00
剩余名额
0
-
学习时长
10周/建议每周至少6小时
-
答疑服务
专属微信答疑群/讲师助教均参与
-
作业批改
每章节设计作业/助教及时批改评优
-
课程有效期
一年/告别拖延，温故知新
- 1：开课仪式
- 第1章: TensorRT介绍
- 第1节: TensorRT是什么
- 2-1：【课件】TensorRT介绍
- 免费 2-2：【视频】TensorRT是什么
- 第2节: TensorRT整体工作流程与优化策略
- 免费 3：【视频】TensorRT整体工作流程与优化策略
- 第3节: TensorRT的组成与基本使用流程
- 免费 4：【视频】TensorRT使用的基本流程
- 第4节: TensorRT DEMO：SampleMNIST
- 免费 5：【视频】demo
- 第5节: TensorRT进阶
- 免费 6：【视频】TensorRT进阶
- 第6节: DEMO演示
- 免费 7：【视频】Demo演示
- 第2章: TensorRT转换ONNX模型
- 第1节: ONNX 介绍
- 8-1：【课件】 TensorRT 转换 ONNX模型 v2.0
- 8-2：【视频】ONNX介绍
- 第2节: 背景知识
- 9：【视频】背景知识 lower概念
- 第3节: TRT转换模型的主要痛点
- 10：【视频】TRT转换模型的主要痛点
- 第4节: onnx-parser & onnx-graphsurgen
- 11：【视频】onnx-parser & onnx-graphsurgen
- 第5节: 实践
- 12-1：【视频】实践上：Transformer模型优化 解决不支持的算子
- 12-2：【视频】 实践下：Transformer模型优化 合并LayerNorm算子
- 第6节: polygraphy
- 13：【视频】 polygraphy
- 第3章: 模型介绍与课程目标
- 14：【课件】模型介绍与课程目标
- 第1节: 大模型分类介绍
- 15：【视频】大模型分类
- 第2节: 模型介绍：ControlNet Stable Diffusion(CNSD)模型
- 16：【视频】 ControlNet Stable Diffusion模型简介
- 第3节: 课程内容及目标介绍
- 17：【视频】课程内容及目标介绍
- 第4章: 环境搭建、代码结构与评价标准
- 18：【课件】diffusion-背景和技术介绍
- 第1节: 环境搭建：手动搭建和docker两种方式
- 19：【视频】Docker环境搭建
- 第2节: 评价标准介绍：从速度和精度两个方面进行评估
- 20：【视频】模型推理评价标准
- 第3节: 4种模型转换方式类型与优缺点
- 21：【视频】转换方式介绍及其优缺点
- 第5章: 开始节点
- 22：【课件】L5 stable diffusion加速 开始节点.pdf
- 第1节: 推理加速各节点安排
- 23：【视频】各优化节点介绍
- 第2节: 模型结构详细介绍：模型结构图、单步调试代码
- 24-1：【视频】如何快速了解模型结构
- 24-2：【视频】实操演示
- 第3节: diffusion类模型-PyTorch转TRT的工作流介绍
- 25：【视频】Pytorch模型转ONNX
- 第4节: TRT python API与TRT8.6的新API
- 26：【视频】ONNX模型转TensorRT
- 第5节: 实践
- 27-1：【说明】项目环境搭建
- 27-2：【视频】作业实践安排
- 27-3：【作业】第五章
- 第6章: 节点二 FP16 优化
- 28：【课件】节点二 fp16优化
- 第1节: FP16优化
- 29：【视频】为什么FP16是性价比最高的优化方法
- 第2节: 经验：TRT不同版本如何合并LayerNorm算子
- 30：【视频】FP16优化的经验分享
- 第3节: 实践：对CNSD模型进行FP16加速并评估
- 31-1：【课件】节点二 fp16 实战
- 31-2：【视频】实战内容概览
- 32-1：【视频】项目Profile
- 32-2：【视频】项目profile的意义
- 33：【视频】FP16溢出调试实践
- 第7章: 节点三 CUDA Graph 优化
- 34：【课件】节点三 cuda-graph v1.2
- 第1节: CUDA-graph：是什么，为什么，如何做
- 35-1：【视频】为什么要做CUDA Graph
- 35-2：【视频】如何在该项目中使用CUDA Graph
- 第2节: CUDA Graph的缺点及优化策略
- 36：【视频】解决变长输入的CUDA Graph策略
- 第3节: TensorRT8.6 新特性，BuildOptimalLevel 优化
- 37：【视频】BuildOptimalLevel优化
- 第4节: 实践：对CNSD模型进行CUDA Graph优化和尝试BuildOptimalLevel 优化
- 38-1：【视频】实践作业
- 38-2：【作业】第七章
- 第8章: 节点四 pipeline 优化
- 39：【课件】节点四 pipeline 优化
- 第1节: 本章内容概览
- 40：【视频】本章内容概览
- 第2节: 迭代次数优化与GroupNorm
- 41-1：【视频】迭代次数优化与GroupNorm
- 41-2：【视频】模型内部优化实践
- 第3节: 拼batch优化
- 42：【视频】 拼batch优化
- 第4节: 实践作业
- 43-1：【视频】实践作业
- 43-2：【作业】第八章
- 第9章: TensorRT int8量化介绍
- 44-1：【课件】TensorRT INT8量化加速
- 44-2：【视频】TRT FP16优化
- 第1节: int8 量化原理
- 45-1：【视频】TRT INT8量化算法（上）
- 45-2：【视频】TensorRT INT8量化算法（下）
- 第2节: TensorRT 饱和量化算法介绍
- 第10章: 节点五 CNSD int8量化优化
- 第1节: 本章内容
- 46：【视频】内容概述
- 第2节: INT 8 是否值得做？
- 47：【视频】INT8值不值得做
- 第3节: 如何做INT8量化
- 48：【视频】如何做INT8量化：以ControlNet为例
- 第4节: 解决精度损失问题： smoothquant 算法
- 49：【视频】解决INT8量化误差的3种方法
- 第5节: 分析INT8误差
- 50-1：【课件】节点五 int8 量化-实践
- 50-2：【视频】分析INT8误差
- 50-3： 【视频】解决INT8误差的方法
- 50-4：【视频】实践演示
- 第6节: 实践：对CNSD模型进行int8量化优化
- 第11章: 进阶节点：深度优化
- 51：【课件】进阶节点：深度优化
- 第1节: 本章内容介绍
- 52：【视频】内容概述
- 第2节: 模型结构详细分析
- 53-1：【视频】CNSD模型的结构解析
- 53-2：【视频】模型代码结构分析
- 第3节: 优化模型冗余计算
- 54：【视频】模型冗余计算的优化
- 第4节: 各个模块深度优化分析
- 55：【视频】深度优化碎碎念
