エッジAIモデル、そのままデバイスに載せていませんか？～「動かない」「遅い」を解決する、枝刈り（Pruning）の基礎から実践まで～

開催前

場所 ウェビナ

　クラウド向けに学習した高精度なAIモデルを、そのままエッジデバイスへ実装しようとして「推論が要件のレイテンシに全く収まらない」「メモリ不足でモデルがロードできない」「連続稼働で発熱し、どんどん遅くなる」——そんな壁に直面していませんか。

　AIモデルはAlexNet→VGG→ResNet→ViT→基盤モデルと年々大規模化する一方、エッジデバイスの演算性能・メモリ・電力・放熱には厳しい制約があり、両者のギャップは拡大を続けています。この課題を解決する鍵が、モデル自体をスリムにする「モデル軽量化技術」、中でも冗長なパラメータを削ぎ落とす「枝刈り（Pruning）」です。

　本ウェビナは全2回構成。第1回では枝刈り・量子化・知識蒸留といった軽量化技術の全体像と使い分けを整理し、第2回ではTorch-Pruningを用いた実践ワークフローと、ResNet・YOLOv8による実測デモ（精度・サイズ・速度の定量比較）を通じて、「自分のモデルで枝刈りを試せる状態」になることを目指します。
　「量子化・蒸留・枝刈り、どれから手をつければいいかわからない」「一度試したが速度が全く変わらなかった」という方こそ、ぜひご参加ください。