知识星球 - CUDA与TensorRT部署实战课程(视频+答疑)
来自 网络整理·免费领取学习资源
9,916 领取 · 8,920 收藏更新于 2026年9月20日
这份资料来自网络整理2026年的付费VIP课，内容以视频为主，对应《知识星球 - CUDA与TensorRT部署实战课程(视频+答疑)》。官网需要单独购买，有集上可以免费领取。
课程目录
- 八、实战：部署BEVFusion模型
- 002.8.1 Overview-and-setting-environment-
- 003.8.2 About-spconv-algorithm
- 004.8.3 Export-SParse-Convolution-Network
- 005.8.4 Spconv-with-Explicit-GEMM-Conv
- 006.8.5 Spconv-with-Implicit-GEMM-Conv
- 007.8.6 BEVPool-Optimization
- 008.8.7 Analyze-each-onnx
- 009.8.8 CUDA-BEVFusion-Framework-Design
- 二、CUDA编程入门
- 001.第二章课件 CUDA编程入门
- 002.2.1.1 理解CUDA中的Grid和Block
- 003.2.1.2 理解.cu和.cpp的相互引用及Makefile
- 004.2.2.1 CUDA Core的矩阵乘法计算
- 005.2.2.2 CUDA中的Error Handle
- 006.2.2.3 GPU的硬件信息获取
- 007.2.3.1 安装Nsight system and compute-上
- 008.2.3.2 安装Nsight system and compute-下
- 009.2.4.1 共享内存-上
- 010.2.4.1 共享内存-下
- 011.2.4.2 Bank Conflict-上
- 012.2.4.2 Bank Conflict-下
- 013.2.5.1 Stream与Event-上
- 014.2.5.2 Stream与Event-下
- 015.2.6.1 双线性插值与仿射变换-上
- 016.2.6.2 双线性插值与仿射变换-下
- 六、实战：部署分类器（CNN&ViT）
- 001.6.0 preprocess-speed-compare
- 002.6.1 deploy-classification-basic
- 003.6.2.1 design-of-inference-model
- 004.6.2.2 deploy-classification-advanced
- 005.6.3 int8-calibration
- 006.6.4 trt-engine-explorer
- 七、实战：部署YOLOv8检测器
- 001.7.1 load-save-tensor
- 002.7.2 affine-transformation
- 003.7.3 deploy-yolov8-basics
- 004.7.4 quantization-analysis
- 三、TensorRT基础入门
- 001.第三章课件
- 002.3.1 TensorRT概述
- 003.3.2 TensorRT的应用场景
- 004.3.3 TensorRT的模块
- 005.3.4 导出并分析ONNX
- 006.3.5 剖析ONNX架构并理解ProtoBuf-上
- 007.3.5 剖析ONNX架构并理解ProtoBuf-下
- 008.3.6 ONNX注册算子的方法
- 009.3.7 ONNX graph surgeon-上
- 010.3.7 ONNX graph surgeon-下
- 011.3.8 快速分析开源代码并导出ONNX
- 012.3.9 使用trtexec
- 013.3.10 trtexec log分析
- 四、TensorRT模型部署优化
- 001.第四章课件
- 002.4.1.1 FLOPS和TOPS
- 003.4.1.2 Roofline model
- 004.4.2 模型部署的几大误区
- 005.4.3.1 quantization(mapping-and-shift)
- 006.4.3.2 quantization(quantization-granularity)
- 007.4.3.3 quantization(calibration-algorithm)
- 008.4.3.4 quantization(PTQ-and-quantization-analy
- 009.4.3.5 quantization(QAT-and-layer-fusion)
- 010.4.4.1 pruning(pruning granularity)
- 011.4.4.2 pruning(channel level pruning)
- 012.4.4.3 pruning(sparse tensor core)
- 五、TensorRT API的基本使用
- 001.5.1 MNISIT-model-build-infer
- 002.5.2 build-model
- 003.5.3 infer-model
- 004.5.4 TensorRT-network-structure
- 005.5.5.1 build-model-from-scratch-上
- 006.5.5.2 build-model-from-scratch-下
- 007.5.6.1 build-trt-module-上
- 008.5.6.2 build-trt-module-下
- 009.5.7 custom-trt-plugin
- 010.5.8 plugin-unit-test(python+cpp)
- 一、并行处理与GPU体系架构
- 001.第一章课件 并行处理、GPU体系架构与课程简介
- 002.1.0 课程介绍
- 003.1.1 并行处理简介
- 004.1.2 GPU并行处理
- 005.1.3.1 环境搭建
- 006.1.3.2 CUDA cuDNN TRT版本选择
- 007.1.3.3 常用软件安装
- 008.1.3.4 服务器的环境配置
- 009.1.3.5 编辑器的环境配置
包含内容
- · 八、实战：部署BEVFusion模型
- · 002.8.1 Overview-and-setting-environment-
- · 003.8.2 About-spconv-algorithm
- · 004.8.3 Export-SParse-Convolution-Network
- · 005.8.4 Spconv-with-Explicit-GEMM-Conv
- · 006.8.5 Spconv-with-Implicit-GEMM-Conv
- · 007.8.6 BEVPool-Optimization
- · 008.8.7 Analyze-each-onnx
贡献者
林一
黄金
学习社区
1 人正在学习
AI 工具与应用交流
交流 AI 提问、写作、绘图与应用开发，分享使用问题、实践方法和结果核对经验。