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