模型部署

在前面的章节中，我们讲述了机器学习模型训练系统的基本组成,这一章节我们将讲述模型部署的相关知识。模型部署是将训练好的模型部署到运行环境中进行推理的过程，模型部署的过程中需要解决训练模型到推理模型的转换，硬件资源对模型的限制，模型推理的时延、功耗、内存占用等指标对整个系统的影响以及模型的安全等一系列的问题。

本章将主要介绍机器学习模型部署的主要流程，包括训练模型到推理模型的转换、适应硬件限制的模型压缩技术、模型推理及性能优化以及模型的安全保护，最后我们会给出一个模型部署端到端的实践用例。

本章的学习目标包括：

了解训练模型到推理模型转换及优化
掌握模型压缩的常用方法：量化、稀疏和知识蒸馏
掌握模型推理的流程及常用的性能优化的技术
了解模型安全保护的常用方法

:maxdepth: 2

model_deployment_introduction
model_converter_and_optimizer
model_compression
model_inference
model_security
summary

1.1 KiB Raw Permalink Blame History

模型部署

1.1 KiB

Raw Permalink Blame History