RT info:eu-repo/semantics/masterThesis
T1 Análisis de rendimiento de modelos basados en aprendizaje por transferencia con TensorFlow y TensorRT
A1 Hernández González, Nicolás
K1 TensorFlow, TensorRT, Deep Learning, NVIDIA Jetson
K1 TensorFlow, TensorRT, Deep Learning, NVIDIA Jetson
AB En los últimos años hemos podido observar un vertiginoso auge de la inteligencia artificial, tal es así, que nos resultaría difícil encontrar algún campo en el queno se haya aplicado de una u otra forma. Este crecimiento ha estado encabezado de forma general por el Machine Learning, y de forma particular por el DeepLearning, subcampo del citado Machine Learning, que se diferencia de los modelos tradicionales por el uso de redes neuronales y un abanico de aplicacionesmás amplio. No obstante, las redes neuronales tienen un serio inconveniente quepuede provocar que muchos se replanteen su uso, el diseño de una red desdecero es una tarea ardua y costosa.En este trabajo se pretende mostrar cómo podemos adaptar una red preentrenada a un propósito específico para el cual estaba preparada inicialmente,lo cual se conoce como transferencia de conocimiento. La aplicación seleccionada para la prueba de concepto es el reconocimiento facial, y forma parte delobjetivo del proyecto que la aplicación pueda ser ejecutada en dispositivos IoT.Se evaluará el rendimiento y eficiencia de los modelos generados empleandopara ello tanto un ordenador de propósito general como un dispositivo NVIDIAJetson AGX Orin, que está específicamente está diseñado para optimizar procesos de Inteligencia Artificial. Para el desarrollo de los modelos emplearemosla biblioteca TensorFlow, mientras que para la optimización de los procesos de inferencia usaremos la SDK de NVIDIA TensorRT.
YR 2023
FD 2023
LK http://riull.ull.es/xmlui/handle/915/32397
UL http://riull.ull.es/xmlui/handle/915/32397
LA es
NO Máster Universitario en Ingeniería Informática
DS Repositorio institucional de la Universidad de La Laguna
RD 02-may-2024