深度学习模型量化与压缩_XC

主要工作内容：

• 模型量化与压缩：
• 开发并实现前沿技术，对深度学习模型进行量化和压缩，以优化模型在嵌入式芯片上的性能。
• 基于实验依据在模型精度、大小和推理速度之间做权衡，给出优化方向。
• 在后训练量化（Post-training Quantization）、量化感知训练（Quantization-Aware Training）以及剪枝（Pruning）等领域有深入理解。
• 嵌入式系统部署：
• 调整并部署深度学习模型至嵌入式平台，确保硬件资源的高效利用。
• 针对特定硬件加速器优化模型耗时。
• 性能分析：
• 对模型进行性能分析，识别瓶颈并实施策略，提升实时推理能力。
• 使用工具和框架调试和优化嵌入式设备上的神经网络性能。
• 学历背景：

计算机科学、电气工程或相关领域的硕士及以上学位。

• 工作经验：

至少5年深度学习领域的经验，尤其在模型量化与压缩方面。

• 技术技能：
• 熟练掌握 Python 和 C++。
• 熟悉 PyTorch 和 TensorFlow 等深度学习框架。
• 在后训练量化和量化感知训练技术方面有丰富实践经验。
• 掌握剪枝、知识蒸馏和低秩分解等模型压缩技术。
• 深刻理解嵌入式系统限制及GPU、NPU等硬件加速器的应用经验。
• 领域知识：
• 有自动驾驶行业经验者优先。
• 熟悉ADAS系统和感知算法优先。
• 加分项：
• 有使用 NVIDIA TensorRT、TVM 或 PyTorch FX 等优化工具的经验。
• 了解实时系统与嵌入式软件开发。
• 在地平线芯片或者高通芯片部署过模型