AI教案(CR001)-AI推薦模型與耐能Edge AI開發-ok8

EdgeEdgeAI網址：https://linktr.ee/Edge.AI11的高價值訊息。好，以便向您薦一些您很有可能喜歡的物品。戶群，其成員之間具有相似的(Similar)興趣。，下圖裡的客戶A和客戶B是鄰居(具有高相似serbasedCFUserCF)。如果針對一位用戶，而能找到更多相似的鄰居，這種CF能够提供給他更準確度的估算和推薦。(.csv檔)：xcelF歡迎加入<A設I計IC晶(片)>LINE討論群，請用手機掃描：台灣AI高通量計算研發中心邀請您22nnin•請在您的Python開發環境裡，使用PIP命令進行pip3install/whl/cpu/torchlchvision•就可以輕鬆地安裝好Pytorch了。•現在，就來著手規劃(設計)一個AI推薦模型。•它是基于一個AE(Autoencoder)模型：XHH013yyxxxxx013yyxxxxx輸入層隱藏層輸出層0010y1102y22y334y44ytorchVino_A01_01_model.pyXYXYWW&BW&Bx0x1x2y0y1y2h1kW&BW&Bxyx0x1x2y0y1y2h1kW&BW&Bxydx[]y0y1y2hy0y1y2h1W&BW&Byx0x1x2y0y1y2h1kW&BW&Bxyx0x1x2y0y1y2h1kW&BW&Bxydx[]y0y1y2h1y0y1y2h1W&BW&By此程序輸出(預測評比)：n•輸出*.onnx檔案33•在上一小節裡，已經使用Pytorch建立一個CF推薦的AI模型了。並且匯出為aicf.onnx模型檔案。•接下來，就繼續對這個模型，來進行優化，然後輸出耐能(Kneron)的標準ONNX檔案。於此，將它取名為：•將模型優化，然後輸出標準ONNX檔案•在這個步驟，需要使用到耐能公司提供的Toolchain件：•若需要，可來信索取•在這份文件裡，有詳細的範例指引您快速安裝將上述的aicf.onnx模型進行優化動作了。•只要依循這份文件裡的範例：•就會看到2支已經寫好的小程式：lconvertpy•就可以把它們複用(Reuse)過來。•於是，把它們複製到c/Users/misoo/ox/目裡：•其中的StartDocker.bat是一個Windows的批•其內容為：•它是用來快速(便捷)啟動Docker容器。•您不需要去更改它，待會兒直接使用即可。•接下來，需要來修改Owl777_convert.py程式碼。•請開啟(可使用Widows記事本或PythonShell)其中•然後，只要更改上圖的紅色框框裡的’檔案•最後，把它存檔。也可以更改檔名。快捷啟動Docker容器isooox展開<優化>過程，並輸出結果aicfconvertpy並且放置於展開<優化>過程，並輸出結果ox使用下述的命令：展開<優化>過程，並輸出結果•於是，就把這支App複製到/data1/目錄區裡了。展開<優化>過程，並輸出結果•於是，展開<優化>過程，如下畫面：標準onnx檔案，name(下一小節會用到)展開<優化>過程，並輸出結果cUsers/misoo/ox/目錄區裡。•如下：•將模型優化，然後輸出標準ONNX檔案展開<優化>過程，並輸出結果44推論引擎•將模型優化，然後輸出標準ONNX檔案c:/Users/misoo/ox/目錄區裡，如下：--使用onnxruntimec:/Users/misoo/ox/目錄區裡。•現在，重新開啟Docker容器。•接下來，將c:/Users/misoo/ox/裡的aicf_app.py程式複製到/data1/裡，使用下述的命令：•於是，就把這支App複製到/data1/目錄區裡了。•於是，展開<推論>過程，如下畫面：•現在，重新開啟Dock