پروژه efficient-dl-systems

mryab/efficient-dl-systems

این مجموعه‌ی آموزشی به بررسی روش‌های بهینه‌سازی سیستم‌های یادگیری عمیق می‌پردازد.

کاربرد:

این دوره به شما کمک می‌کنه تا مدل‌های یادگیری عمیق را سریع‌تر، سبک‌تر و کارآمدتر اجرا کنید، بدون اینکه عملکردشون خراب شود.

در چه شرایطی بهتره استفاده شود؟

وقتی منابع سخت‌افزاری محدود دارید، مثل GPUهای ضعیف یا استفاده از دستگاه‌های لبه (edge devices) مثل موبایل یا دوربین‌های هوشمند.

همچنین وقتی نیاز به کاهش مصرف انرژی، حافظه یا زمان پردازش دارید.

چند مثال از موارد استفاده:

- کاهش حجم مدل با روش‌های pruning و quantization

- استفاده از مدل‌های کوچک‌تر مثل MobileNet یا EfficientNet

- بهینه‌سازی زمان استنتاج (inference) در محیط‌های تولیدی

- آموزش مدل‌های بزرگ با استفاده از mixed precision و gradient checkpointing