返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版新书]OPENVINO?工具套件权威指南:轻松实现AI模型的优化和
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 武卓 李翊玮 张晶 著著 | 武卓 李翊玮 张晶 著编 | 武卓 李翊玮 张晶 著译 | 武卓 李翊玮 张晶 著绘
    • 出版社: 机械工业出版社
    • 出版时间:2025-04-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 武卓 李翊玮 张晶 著著| 武卓 李翊玮 张晶 著编| 武卓 李翊玮 张晶 著译| 武卓 李翊玮 张晶 著绘
    • 出版社:机械工业出版社
    • 出版时间:2025-04-01
    • 版次:1
    • 印次:1
    • 印刷时间:2025-04-10
    • 字数:280
    • 页数:188
    • 开本:16开
    • ISBN:9787111777298
    • 版权提供:机械工业出版社
  • 作者: 武卓 李翊玮 张晶 著
  • 著: 武卓 李翊玮 张晶 著 译
  • 装帧: 平装
  • 印次: 1
  • 定价: 79
  • ISBN: 9787111777298
  • 出版社: 机械工业出版社
  • 开本: 16开
  • 印刷时间: 2025-04-10
  • 语种: 暂无
  • 出版时间: 2025-04-01
  • 页数: 188
  • 外部编号: 庄村25796
  • 版次: 1
  • 成品尺寸: 暂无
  • 前言
    第1章OpenVINOTM工具套件快速入门
    1.1OpenVINOTM 工具套件简介
    1.2OpenVINOTM 常用工具和组件
    1.3搭建OpenVINOTM Python开发环境
    1.4使用OpenVINOTM Model Converter转换模型
    1.4.1OpenVINOTM IR模型
    1.4.2使用OVC转换模型
    1.5使用benchmark_app评估模型推理计算性能
    1.6编写OpenVINOTM同步推理程序
    1.6.1OpenVINOTM同步推理程序典型流程
    1.6.2创建Core对象
    1.6.3读取并编译模型
    1.6.4获取图像数据
    1.6.5数据预处理
    1.6.6执行 AI 推理计算并获得推理结果
    1.6.7对推理结果进行后处理
    1.6.8运行完整的推理程序
    1.7本章小结
    第2章优化AI模型的推理计算性能
    2.1AI推理计算性能评价指标
    2.1.1AI模型的推理计算性能
    2.1.2端到端的AI程序推理计算性能
    2.2OpenVINOTM 设备插件
    2.2.1CPU插件、GPU插件和NPU插件
    2.2.2自动设备选择(AUTO)
    2.2.3用代码指定计算设备
    2.3性能提示(Performance Hints)
    2.3.1LATENCY(延迟优先)
    2.3.2THROUGHPUT(吞吐量优先)
    2.3.3CUMULATIVE_THROUGHPUT(累计吞吐量)
    2.3.4用代码配置性能提示属性
    2.4计算设备的属性
    2.4.1获得属性
    2.4.2设置属性
    2.5推理请求数量(Number of Infer Requests)
    2.5.1最佳推理请求数
    2.5.2用代码设置推理请求数
    2.6自动批处理(Automatic Batching)
    2.6.1启用自动批处理
    2.6.2设置批尺寸
    2.6.3设置自动批处理超时
    2.7模型缓存(Model Caching)
    2.8线程调度(Thread Scheduling)
    2.9共享内存(Shared Memory)
    2.9.1输入共享内存
    2.9.2输出共享内存
    2.10编写带属性配置的OpenVINOTM同步推理程序
    2.10.1创建推理请求对象
    2.10.2阻塞式推理计算方法:infer()
    2.10.3基于YOLOv8-cls分类模型的同步推理程序
    2.10.4基于YOLOv8目标检测模型的同步推理程序
    2.10.5基于YOLOv8-seg实例分割模型的同步推理程序
    2.11本章小结
    目录OpenVINOTM工具套件权威指南:轻松实现AI模型的优化和部署第3章模型量化技术
    3.1深度学习中常见的数据类型
    3.1.1如何用二进制表示浮点数
    3.1.2不同数据类型的存储需求和计算效率
    3.2INT8量化
    3.3NNCF
    3.4搭建NNCF开发环境
    3.5基础量化
    3.5.1准备COCO验证数据集
    3.5.2编写转换函数transform_fn()
    3.5.3准备校准数据集
    3.5.4调用nncf.quantize()函数执行INT8量化
    3.5.5保存INT8量化好的模型
    3.5.6测试INT8模型性能
    3.5.7基础量化小结
    3.6带精度控制的量化
    3.6.1准备COCO128验证数据集
    3.6.2编写转换函数transform_fn()
    3.6.3准备校准数据集和验证数据集
    3.6.4准备验证函数
    3.6.5调用nncf.quantize_with_accuracy_control()函数执行INT8量化
    3.6.6保存INT8量化好的模型
    3.6.7测试INT8模型性能
    3.6.8带精度控制的量化小结
    3.7本章小结
    第4章优化端到端的AI程序推理计算性能
    4.1端到端的AI程序推理计算性能
    4.2预处理API
    4.2.1导出YOLOv8s IR模型
    4.2.2实例化PrePostProcessor对象
    4.2.3声明用户输入数据信息
    4.2.4声明原始模型输入节点的布局信息
    4.2.5定义预处理步骤
    4.2.6将预处理步骤嵌入原始AI模型
    4.2.7保存嵌入预处理的AI模型
    4.2.8内嵌预处理后的模型性能
    4.3torchvision预处理转换器
    4.4使用异步推理提升AI程序的吞吐量
    4.4.1OpenVINOTM异步推理API
    4.4.2YOLOv8异步推理范例
    4.5使用AsyncInferQueue进一步提升AI程序的吞吐量
    4.6多路视频流并行推理
    4.6.1下载无版权视频
    4.6.2下载person-detection-0202模型并准备前、后处理函数
    4.6.3编写推理线程
    4.6.4编写显示线程
    4.6.5启动多线程
    4.7本章小结
    第5章OpenVINOTM的编程生态
    5.1指定OpenVINOTM为PyTorch 2.×后端
    5.1.1torch.compile简介
    5.1.2OpenVINOTM后端
    5.2ONNX Runtime的OpenVINOTM执行提供者
    5.2.1搭建ONNX Runtime开发环境
    5.2.2OpenVINOTM执行提供者范例程序
    5.3Optimum Intel的OpenVINOTM后端
    5.3.1搭建开发环境
    5.3.2用optimum-cli对Qwen2-1.5B-Instruct模型进行INT4量化
    5.3.3编写推理程序qwen2_optimum.py
    5.4LangChain的OpenVINOTM后端
    5.4.1LangChain支持OpenVINOTM后端
    5.4.2编写推理程序qwen2_langchain.py
    5.5vLLM的OpenVINOTM后端
    5.5.1搭建OpenVINOTM+vLLM开发环境
    5.5.2vLLM的范例程序
    5.6OpenVINOTM C/C++ API
    5.6.1常用OpenVINOTM C/C++ API
    5.6.2搭建OpenVINOTM C++开发环境
    5.6.3运行OpenVINOTM C++范例程序
    5.7OpenVINOTM JavaScript API
    5.7.1常用OpenVINOTM JavaScript API
    5.7.2搭建OpenVINOTM JavaScript开发环境
    5.7.3运行OpenVINOTM JavaScript范例程序
    5.8OpenVINOTM C# API
    5.8.1常用OpenVINOTM C# API
    5.8.2搭建OpenVINOTM C#开发环境
    5.8.3运行OpenVINOTM C#范例程序
    5.9OpenVINOTM Java API
    5.9.1常用OpenVINOTM Java API
    5.9.2搭建OpenVINOTM Java开发环境
    5.9.3运行OpenVINOTM Java范例程序
    5.10OpenVINOTM LabVIEW API
    5.10.1常用OpenVINOTM LabVIEW API
    5.10.2搭建OpenVINOTM LabVIEW开发环境
    5.10.3运行OpenVINOTM LabVIEW范例程序
    5.11本章小结
    第6章无监督异常检测库Anomalib
    6.1为什么要使用无监督异常检测
    6.2Anomalib概述
    6.2.1Anomalib支持的视觉任务
    6.2.2Anomalib适用的数据类型
    6.3Anomalib的关键组件
    6.3.1Anomalib的算法
    6.3.2Anomalib的功能模块
    6.4Anomalib的工作流程
    6.5搭建Anomalib开发环境
    6.6使用命令实现模型的训练、测试和推理
    6.6.1训练并测试模型
    6.6.2模型推理
    6.7使用API实现模型的训练、测试和推理
    6.7.1模型训练
    6.7.2测试模型
    6.7.3导出模型
    6.7.4执行推理计算
    6.8本章小结
    第7章大语言模型的优化与部署
    7.1大语言模型简介
    7.1.1基于Transformer架构的大语言模型的技术演进
    7.1.2基于仅解码器架构的GPT系列模型的技术演进
    7.1.3大语言模型推理计算的挑战
    7.1.4键值缓存优化技术
    7.1.5有状态模型
    7.2使用OpenVINOTM优化大语言模型推理计算
    7.2.1使用Optimum Intel工具包部署Llama 3
    7.2.2使用OpenVINOTM GenAI API部署Llama 3
    7.3基于Llama 3模型实现聊天机器人
    7.3.1Gradio库简介
    7.3.2聊天机器人的代码实现
    7.4基于LangChain+Llama 3模型实现RAG
    7.4.1RAG简介
    7.4.2LangChain框架简介
    7.4.3LangChain框架对OpenVINOTM的支持
    7.4.4RAG系统的代码实现
    7.5基于LangChain+Llama 3模型实现AI Agent
    7.5.1基于LLM的AI Agent简介
    7.5.2常见的开发AI Agent的框架
    7.5.3AI Agent的代码实现
    7.6本章小结
    第8章Stable Diffusion模型的优化与部署
    8.1扩散模型简介
    8.2Stable Diffusion系列模型的技术演进
    8.3优化和部署Stable Diffusion 3 Medium模型
    8.3.1搭建开发环境
    8.3.2下载权重文件到本地
    8.3.3导出SD3 Medium的OpenVINOTM IR格式模型
    8.3.4编写推理代码,实现一键生成创意海报
    8.4本章小结
    第9章多模态大模型的优化与部署
    9.1单模态AI简介
    9.2转向多模态AI的必要性
    9.3优化和部署LLaVA-NeXT多模态模型
    9.3.1搭建开发环境
    9.3.2下载权重文件到本地
    9.3.3模型转换为OpenVINOTM IR格式
    9.3.4使用OpenVINOTM进行量化优化
    9.3.5设备选择与配置
    9.3.6推理流水线设置
    9.3.7运行推理并展示结果
    9.4本章小结
    第10章开源社区资源
    10.1英特尔开发人员专区及开发套件专区
    10.2“英特尔物联网”公众号
    10.3“英特尔创新大使”计划

    武卓博士,英特尔AI软件布道师。曾任上海大学副教授,硕士生导师,主持及参与国家级及省部级科研项目十余项。并曾在贝尔实验室(中国)担任研究科学家,负责5G通信系统的新技术研发及标准化工作。在加入英特尔之前,在埃森哲(中国)有限公司担任数据科学家,负责向客户交付基于AI的解决方案。
    李翊玮英特尔开发者生态技术推广经理,主责拓展AIoT生态合作伙伴网络。台湾清华大学凝聚态物理学硕士,上海交通大学创新学院企业导师,曾在杜邦担任半导体研发工程师及苹果项目/业务经理,后在奥图码担任产品总监,专注云端、AI硬件和软件集成及商业化。兴趣包括新技术探索、游泳及球类运动等。
    张晶百度飞桨高级产品经理,Linux基金会亚太区开源布道师,英特尔创新大使,《深度学习图像识别技术》《Python语言程序设计》作者之一,LabVIEW注册构架师,上海交通大学创新学院企业导师,华南农业大学工程学院研究生第二导师,东莞理工学院企业硕士导师。

    作者来自英特尔亚太研发团队和百度飞桨。多位业内大咖推荐!
    系统覆盖工具套件从入门到高阶应用,详解模型转换、性能优化、量化技术等核心技术,结合聊天机器人、Stable Diffusion、智能视频分析等多领域实战案例,提供端到端优化方案与工程化实践经验。紧跟边缘计算、大模型轻量化等技术趋势,兼顾理论与实操,助力 AI 开发者快速掌握异构加速、端边云协同等落地技巧,是提升模型推理效能、拓展智能应用场景的实用技术宝典。

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购