Momenta高级研究员:提高深度学习运行效率的三个角度

深度学习已经被证明是非常成功的机器学习算法。但往往,深度学习庞大的计算性能需求阻碍了它在一些领域的应用,这些领域由于功耗、散热、成本等原因的限制,无法提供充裕的计算能力。

如何让深度学习可以用在这些领域?在运行深度学习模型的过程如何缩短计算时间,加速完成训练任务呢?

2月1日(下周四)晚20:00,量子位联合Momenta Paper Reading带来吃瓜社第五期技术分享:深度学习性能优化——让深度学习更高效运行的三个角度Momenta深度学习模型加速专家,高级研究员王晋玮,将以卷积神经网络CNN为例,分享模型优化的三个角度,并跟大家一起探讨在实践中出现的问题如何解决。

嘉宾介绍

王晋玮

特征点定位专家,深度学习模型加速专家,Momenta早期核心员工,负责搭建Momenta的高性能深度学习部署平台。

主要研究领域是特征点定位和深度学习模型加速,曾在Sensetime、Deephi从事深度学习算法研究工作,2016年加入Momenta,目前任高级研究员,负责搭建高性能深度学习部署平台,拥有丰富的深度学习模型加速经验。

分享提纲

评价CNN模型开销的两个视角:计算量、访存量

如何优化模型的计算量

如何优化模型的访存量

如何从框架层面榨取更多性能

活动详情

活动时间:

2月1日(周四)晚20:00 — 21:00

活动形式:

线上直播+微信群互动

报名方式:

扫码添加量子位小助手5:qbitbot5(已添加了量子位小助手1234的同学可联系相应小助手),备注:“吃瓜社”,通过后即可入群,入群后可在分享期间与嘉宾互动答疑,还能第一时间获得分享PPT。

关注量子位公众号:QbitAI,在公众号对话界面回复“吃瓜社”,也可获得直播地址。

关于吃瓜社

量子位活动栏目之一,不定期邀请众多技术大牛和优质论文作者进行技术分享,与大家聊一聊技术理论与实践。

祝大家吃瓜愉快~~( ̄ ̄)/

主办方

Momenta致力于打造自动驾驶大脑,核心技术是基于深度学习的环境感知、高精度地图、驾驶决策算法。产品包括不同级别的自动驾驶方案,以及衍生出的大数据服务。团队来源于清华大学、麻省理工学院、微软亚洲研究院等顶尖高校,成员包括深度学习专家,Faster R-CNN和ResNet的作者,ImageNet与MS COCO Challenge等多项比赛冠军。

追踪人工智能产品和技术新趋势,我们只专注报道AI。

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20180125A0CNQA00?refer=cp_1026

同媒体快讯

相关快讯

扫码关注云+社区