1. صفحه اصلی
  2. »
  3. آموزش
  4. »
  5. آموزش تصویری
  6. »
  7. Udemy – Full Course on TensoRT, Detection, Segmentation 2025-5
Full Course on TensoRT, Detection, Segmentation

Udemy – Full Course on TensoRT, Detection, Segmentation 2025-5

توضیحات

دوره Full Course on TensoRT, Detection, Segmentation.. این دوره جامع و عملی به شما آموزش می‌دهد که چگونه مدل‌های یادگیری عمیق خود را با استفاده از فریمورک‌های TensorRT و ONNX بهینه‌سازی کرده و بر روی دستگاه‌های مختلف (از جمله دستگاه‌های edge و ابری) مستقر کنید. با یادگیری این دوره، شما قادر خواهید بود تا مدل‌های سریع‌تر و دقیق‌تری را برای کاربردهای مختلف مانند تشخیص تصویر، ردیابی اشیاء و تقسیم‌بندی معنایی ایجاد کنید.

در این دوره چه چیزی را فرا خواهید گرفت:

  • مقدمات: آشنایی با مفاهیم پایه یادگیری عمیق، داکر، کوبرنتیز و سخت‌افزارهای مورد نیاز.
  • فریمورک‌های ONNX و TensorRT: نحوه استفاده از این فریمورک‌ها برای بهینه‌سازی و استقرار مدل‌ها.
  • کاربردهای عملی: پیاده‌سازی پروژه‌های مختلف تشخیص تصویر، ردیابی اشیاء و تقسیم‌بندی معنایی با استفاده از مدل‌های پیش‌ساخته و سفارشی.
  • مدل‌های یادگیری عمیق خود را با سرعت و دقت بالا اجرا کنید.
  • مدل‌های خود را بر روی دستگاه‌های مختلف مستقر کنید.
  • در پروژه‌های نوآورانه در حوزه هوش مصنوعی مشارکت کنید.
  • بهینه‌سازی عملکرد: یادگیری تکنیک‌های مختلف برای افزایش سرعت و دقت مدل‌ها.
  • استقرار مدل‌ها: مستقر کردن مدل‌ها بر روی دستگاه‌های لبه و ابری.

این دوره برای چه کسانی است:

  • دانشجویان و فارغ‌التحصیلان: افرادی که به دنبال یادگیری عمیق و هوش مصنوعی هستند.
  • مهندسان نرم‌افزار: افرادی که می‌خواهند مدل‌های یادگیری عمیق را در محصولات خود ادغام کنند.
  • محققان: افرادی که به دنبال توسعه مدل‌های جدید و بهبود عملکرد آن‌ها هستند.
  • علاقه‌مندان به یادگیری ماشین: افرادی که می‌خواهند دانش خود را در زمینه یادگیری عمیق گسترش دهند.

مشخصات دوره

سرفصل های دوره

Full Course on TensoRT, Detection, Segmentation

پیشنیازهای دوره

  • basic python programming knowledge
  • basic deep learning knowledge
  • PC Laptop with CPU Or GPU

تصاویر دوره Full Course on TensoRT, Detection, Segmentation

Full Course on TensoRT, Detection, Segmentation

نمونه فیلم دوره

راهنمای نصب

پس از Extract، با Player دلخواه خود مشاهده کنید.

زیرنویس: انگلیسی

کیفیت: 720p

عنوان قبلی:

BOOTCAMP for TensorRT-ONNX 12+ projects and Python

Learn TensorRT, ONNX with Detection,Segmentation 12 PROJECTS

تغییرات:

نسخه 2024/4 نسبت به 2023/6 به تعداد 66 درس و مدت زمان 7 ساعت و 29 دقیقه افزایش داشته است. همچنین زیرنویس انگلیسی به دوره اضافه شده است.

نسخه 2025/1 نسبت به 2024/4 به تعداد 42 درس و مدت زمان 4 ساعت و 38 دقیقه افزایش داشته است.

نسخه 2025/5 نسبت به 2025/1 به تعداد 10 درس و مدت زمان 46 دقیقه افزایش داشته است.

لینک دانلود

دانلود بخش 1 – 3 گیگابایت

دانلود بخش 2 – 3 گیگابایت

دانلود بخش 3 – 3 گیگابایت

دانلود بخش 4 – 3 گیگابایت

دانلود بخش 5 – 3 گیگابایت

دانلود بخش 6 – 116 مگابایت

گذرواژه فایل(ها): www.downloadly.ir

حجم فایل

15.1 گیگابایت

رتبه دهید

محاسبه حجم دانلود برای ایرانسل به‌صورت تمام‌بها است.

Download Faster Without Limitation

The data center of free servers has applied a non-Iranian IP restriction on some servers
There is no limitation for VIP servers

برچسب ها:

2 دیدگاه. همین الان خارج شوید

  • Google Chrome 136.0.0.0 Google Chrome 136.0.0.0 Windows 10 x64 Edition Windows 10 x64 Edition
    در مورد: Udemy – Full Course on TensoRT, Detection, Segmentation 2025-1

    باسلام
    ضمن تشکر و قدردانی از مجموعه بی نظیر دانلودلی بابت کمک به جامعه علمی و دسترسی به دوره های جدید و هایتک ، دوره بروزرسانی شده مطابق با سرفصل های جدید هست یا خیر؟

    پاسخ
    • Firefox 138.0 Firefox 138.0 Windows 10 x64 Edition Windows 10 x64 Edition
      در مورد: Udemy – Full Course on TensoRT, Detection, Segmentation 2025-1

      سلام
      دسترسی به نسخه جدیدتر نداریم.

      پاسخ

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این قسمت نباید خالی باشد
این قسمت نباید خالی باشد
لطفاً یک نشانی ایمیل معتبر بنویسید.
فقط دیدگاه‌هایی که جنبه‌ی استفاده‌ی عمومی دارد، نمایش داده می‌شود؛ درصورت تمایل به دریافت نتیجه‌ی رسیدگیِ دیدگاه خود، ایمیل معتبر وارد کنید.

For security, use of Google's reCAPTCHA service is required which is subject to the Google Privacy Policy and Terms of Use.

فهرست