# 神经网络

本节将介绍如何在我们的设备上训练、导出和集成各种AI模型。我们将展示如何衡量模型性能以及可能的优化方法。此外，我们还将讨论如何处理模型输出。

### 模型库

访问我们的DepthAI模型库，探索一系列预训练AI模型，这些模型针对DepthAI设备进行了性能优化，适用于多种应用。

[模型库](https://docs.luxonis.com/software/ai-inference/zoo.md)

### 转换

如需将PyTorch等框架的AI模型适配到Luxonis设备，请查看我们的转换页面，获取易于遵循的指南。

[转换](https://docs.luxonis.com/software/ai-inference/conversion.md)

### 集成

查阅我们的集成页面，获取有关导出Yolo模型以及在我们的硬件上使用Roboflow模型的指导。

[集成](https://docs.luxonis.com/software/ai-inference/integrations.md)

### 后处理

访问后处理页面，了解优化AI模型输出以便在Luxonis设备上使用的关键步骤。

[后处理](https://docs.luxonis.com/software/ai-inference/post-processing.md)

### 性能优化

通过我们的性能优化页面，获取有助于提升AI模型在Luxonis设备上性能的实用技巧。

[性能优化](https://docs.luxonis.com/software/ai-inference/performance.md)

### 训练

通过我们收集的Jupyter Notebook教程，了解Luxonis提供的训练和推理能力。

[训练](https://docs.luxonis.com/software/ai-inference/training.md)