<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          算法卷不動(dòng)了,最后一個(gè)值得卷的藍(lán)海賽道!

          共 4275字,需瀏覽 9分鐘

           ·

          2022-02-17 11:16

          隨著大數(shù)據(jù)的發(fā)展,計(jì)算機(jī)片算的提升,人工智能近兩年迎來了新一輪的爆發(fā)。而人工智能實(shí)現(xiàn)級(jí)算力的核就是AI芯片。AI芯片也被稱為人工智能加速,即專門用于處人工智能應(yīng)用中的大量計(jì)算任務(wù)的模塊。


          2020年我國(guó)人工智能芯片市場(chǎng)規(guī)模約為184億元。未來5G商用的普及將繼續(xù)催生人工智能芯片的應(yīng)用需求,中國(guó)人工智能芯片行業(yè)將快速發(fā)展,預(yù)計(jì)2023年市場(chǎng)規(guī)模將突破千億元。


          那么,如何借助AI芯片來實(shí)現(xiàn)特定的任務(wù),將是所有AI芯片產(chǎn)業(yè)人員必備的技能。


          為此,貪心學(xué)院重磅推出《高性能神經(jīng)網(wǎng)絡(luò)與AI芯片應(yīng)用研修課程,為想進(jìn)入AI芯片行業(yè)的同學(xué)們提供一個(gè)可以大幅提升自身就業(yè)競(jìng)爭(zhēng)力的選擇。


          本課程會(huì)講解AI芯片相關(guān)知識(shí)、高性能網(wǎng)絡(luò)設(shè)計(jì)、通用芯片及專用芯片計(jì)算加速方法等專業(yè)技能,并結(jié)合優(yōu)秀編譯器的架構(gòu)和實(shí)現(xiàn)細(xì)節(jié)的講解,為學(xué)生構(gòu)建高性能AI算法的軟硬件視角,能夠解決應(yīng)用落地時(shí)神經(jīng)網(wǎng)絡(luò)的優(yōu)化和部署相關(guān)問題。



          01

          內(nèi)容亮點(diǎn)


          • 全面技術(shù)講解:課程涵蓋了輕量化神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)、神經(jīng)網(wǎng)絡(luò)部署前的優(yōu)化方法、神經(jīng)網(wǎng)絡(luò)編譯器的設(shè)計(jì)模式和具體實(shí)現(xiàn)、神經(jīng)網(wǎng)絡(luò)部署到芯片上的計(jì)算加速等全面的AI嵌入式芯片設(shè)計(jì)和應(yīng)用相關(guān)人員就業(yè)必備的知識(shí)
          • 軟硬件相結(jié)合:本課程除了全面講解高性能神經(jīng)網(wǎng)絡(luò)相關(guān)的知識(shí)技術(shù)外,還會(huì)指導(dǎo)學(xué)員在硬件上進(jìn)行實(shí)操。
          • 專家導(dǎo)師授課:課程導(dǎo)師為AI芯片行業(yè)專家,相關(guān)項(xiàng)目經(jīng)驗(yàn)十分豐富。

          02

          你將收獲


          • 掌握神經(jīng)網(wǎng)絡(luò)高性能實(shí)現(xiàn)的算法及工具
          • 掌握通用芯片及專用AI芯片架構(gòu)及網(wǎng)絡(luò)加速技術(shù)
          • 掌握通用芯片及專用AI芯片神經(jīng)網(wǎng)絡(luò)部署應(yīng)用的實(shí)際案例
          • 短期內(nèi)對(duì)一個(gè)領(lǐng)域有全面的認(rèn)識(shí),大大節(jié)省學(xué)習(xí)時(shí)間
          • 認(rèn)識(shí)一群擁有同樣興趣的人、相互交流、相互學(xué)習(xí)
           
          感興趣的請(qǐng)?zhí)砑幼稍冾檰?/strong>


          03

          項(xiàng)目介紹


          ▌項(xiàng)目1
          項(xiàng)目名稱:模型輕量化
          項(xiàng)目?jī)?nèi)容描述:mobilenet、shufflenet、squeezenet等,模型量化、剪枝和蒸餾技術(shù),網(wǎng)絡(luò)的計(jì)算量和內(nèi)存分析的工具,主干網(wǎng)絡(luò)的輕量化,檢測(cè)網(wǎng)絡(luò)的輕量化,分割網(wǎng)絡(luò)的輕量化,不同框架提供的加速方案
          項(xiàng)目使用的數(shù)據(jù)集:COCO,ADE20k,ImageNet
          項(xiàng)目使用的算法:模型量化,模型剪枝和模型蒸餾
          項(xiàng)目使用的工具:python,c/c++,pytorch,tensorflow,distiller,ncnn
          項(xiàng)目預(yù)期結(jié)果:學(xué)員掌握輕量化網(wǎng)絡(luò)設(shè)計(jì)準(zhǔn)則,模型輕量化技術(shù),能夠上手操作一  個(gè)網(wǎng)絡(luò)部署前的優(yōu)化。
          項(xiàng)目對(duì)應(yīng)第幾周的課程:1~4周

          ▌項(xiàng)目2
          項(xiàng)目名稱:神經(jīng)網(wǎng)絡(luò)編譯器
          項(xiàng)目?jī)?nèi)容描述:tvm,ncnn,mnn,tnn 各自的特點(diǎn),對(duì)于神經(jīng)網(wǎng)絡(luò)的優(yōu)化方案,tvm的具體設(shè)備的優(yōu)化方案,算子融合,路徑優(yōu)化,內(nèi)存優(yōu)化,ncnn的網(wǎng)絡(luò)的表示數(shù)據(jù)結(jié)構(gòu),ncnn的一些優(yōu)化計(jì)算的思路,量化方法,mnn中的數(shù)據(jù)結(jié)構(gòu),模型轉(zhuǎn)換和量化方法,tnn和ncnn的區(qū)別,系統(tǒng)架構(gòu),量化方法。
          項(xiàng)目使用的算法:離線量化,在線感知量化
          項(xiàng)目使用的工具:python,c/c++,tvm,ncnn,tnn,mnn
          項(xiàng)目預(yù)期結(jié)果:學(xué)員對(duì)于神經(jīng)網(wǎng)絡(luò)編譯器有全面的了解,對(duì)于主流神經(jīng)網(wǎng)絡(luò)編譯器能夠?qū)嵺`使用,完成模型到芯片所需要格式的轉(zhuǎn)換。
          項(xiàng)目對(duì)應(yīng)第幾周的課程:5~8周

          ▌項(xiàng)目3
          項(xiàng)目名稱:通用芯片加速技術(shù)
          項(xiàng)目?jī)?nèi)容描述:cpu,arm對(duì)應(yīng)的指令集級(jí)別的加速,編譯器中具體的優(yōu)化策略,simd,avx,sse,openblas,neon和cpu中對(duì)于卷積的運(yùn)算加速方案,cpu上的具體實(shí)例,arm上的具體實(shí)例,環(huán)境配置,神經(jīng)網(wǎng)絡(luò)的例子,加速方案的組合和實(shí)際效果。
          項(xiàng)目使用的算法:simd,avs,sse,blas,winograd
          項(xiàng)目使用的工具:nnpack,qnnpack,lowpgemm,tvm,ncnn
          項(xiàng)目預(yù)期結(jié)果:學(xué)員深入掌握cpu,arm等芯片的神經(jīng)網(wǎng)絡(luò)加速技術(shù),并且通過一個(gè)例子來看具體的加速效果 
          項(xiàng)目對(duì)應(yīng)第幾周的課程:9~12周

          ▌項(xiàng)目4
          項(xiàng)目名稱:專用芯片加速技術(shù) 
          項(xiàng)目?jī)?nèi)容描述:gpu和k210 npu及各自神經(jīng)網(wǎng)絡(luò)編譯器中的加速優(yōu)化技術(shù),gpu上的cuda加速的方法,cublas,opencl,vulkan的開發(fā)例子,nncase上編譯一個(gè)網(wǎng)絡(luò),k210開發(fā)板環(huán)境配置及人臉檢測(cè)模型的部署
          項(xiàng)目使用的算法:人臉檢測(cè)
          項(xiàng)目使用的工具(編程語言、工具、技術(shù)等):Python,C/C++,opencl,vulkan,nncase
          項(xiàng)目預(yù)期結(jié)果:學(xué)員可以掌握gpu及npu上神經(jīng)網(wǎng)絡(luò)的編譯加速,并且通過一個(gè)具體的例子來完成人臉檢測(cè)模型在k210芯片上的部署 
          項(xiàng)目對(duì)應(yīng)第幾周的課程:13~16周


          感興趣的請(qǐng)?zhí)砑幼稍冾檰?/strong>

          04

          詳細(xì)內(nèi)容介紹


          第一周:輕量化網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)

          本節(jié)課將講解網(wǎng)絡(luò)參數(shù)量、浮點(diǎn)運(yùn)算數(shù)等模型評(píng)價(jià)指標(biāo)、工具,以及分類網(wǎng)絡(luò), 檢測(cè)網(wǎng)絡(luò),分割網(wǎng)絡(luò)的輕量化設(shè)計(jì)。

          課程提綱:

          • 輕量化網(wǎng)絡(luò)設(shè)計(jì)背景介紹
          • 網(wǎng)絡(luò)的計(jì)算量和內(nèi)存分析工具
          • 主干網(wǎng)絡(luò)的輕量化
          • 檢測(cè)網(wǎng)絡(luò)的輕量化
          • 分割網(wǎng)絡(luò)的輕量化
          • 典型網(wǎng)絡(luò)的設(shè)計(jì)思路


          第二周:知識(shí)蒸餾優(yōu)化、低秩分解優(yōu)化

          本節(jié)課將講解神經(jīng)網(wǎng)絡(luò)知識(shí)蒸餾優(yōu)化、神經(jīng)網(wǎng)絡(luò)計(jì)算低秩分解加速計(jì)算方法。

          課程提綱:

          • 知識(shí)蒸餾方法介紹

          • 知識(shí)蒸餾原理和步驟介紹

          • 知識(shí)蒸餾訓(xùn)練方法縮減網(wǎng)絡(luò)的實(shí)際分類網(wǎng)絡(luò)演示

          • 低秩分解原理

          • 低秩分解加速計(jì)算在神經(jīng)網(wǎng)絡(luò)推理中的應(yīng)用


          第三周:網(wǎng)絡(luò)剪枝

          本節(jié)課將講解網(wǎng)絡(luò)稀疏性原理,網(wǎng)絡(luò)剪枝原則及剪枝的常見方法。
          課程提綱:
          • 網(wǎng)絡(luò)剪枝的原理
          • 常用的剪枝策略
          • 神經(jīng)網(wǎng)絡(luò)框架中的剪枝功能介紹
          • 剪枝的實(shí)際使用


          第四周:網(wǎng)絡(luò)量

          本節(jié)課將講解網(wǎng)絡(luò)的低比特化,以及在AI芯片中的計(jì)算,實(shí)現(xiàn)網(wǎng)絡(luò)量化的離線和在線感知的量化方法。
          課程提綱:
          • 網(wǎng)絡(luò)量化的技術(shù)發(fā)展
          • 不同離線量化算法的實(shí)現(xiàn)原理
          • 神經(jīng)網(wǎng)絡(luò)框架中在線感知量化算法的原理及實(shí)現(xiàn)
          • 實(shí)際案例


          第五周:神經(jīng)網(wǎng)絡(luò)編譯器簡(jiǎn)介

          本節(jié)課將講解tvm、ncnn、tnn、mnn的簡(jiǎn)要對(duì)比,tvm relay和網(wǎng)絡(luò)轉(zhuǎn)換,網(wǎng)絡(luò)的編譯優(yōu)化和推理加速。

          課程提綱:

          • tvm、ncnn、tnn、mnn的簡(jiǎn)要對(duì)比
          • tvm relay和網(wǎng)絡(luò)轉(zhuǎn)換
          • 網(wǎng)絡(luò)的編譯優(yōu)化和推理加速
          • tvm的實(shí)際案例


          第六周:ncnn

          本節(jié)課將講解ncnn的系統(tǒng)架構(gòu)圖,數(shù)據(jù)結(jié)構(gòu),支持的框架,網(wǎng)絡(luò)的表示,網(wǎng)絡(luò)優(yōu)化,量化,以及各平臺(tái)的優(yōu)化策略

          課程提綱:

          • ncnn的系統(tǒng)架構(gòu)圖
          • ncnn的數(shù)據(jù)結(jié)構(gòu)及支持框架
          • ncnn的網(wǎng)絡(luò)表示
          • ncnn網(wǎng)絡(luò)優(yōu)化,量化,及各平臺(tái)的優(yōu)化策略


          第七周:tnn
          本節(jié)課將講解tnn的系統(tǒng)架構(gòu)圖,數(shù)據(jù)結(jié)構(gòu),支持的框架,網(wǎng)絡(luò)的表示,網(wǎng)絡(luò)優(yōu)化,量化,以及各平臺(tái)的優(yōu)化策略。
          課程提綱:
          • tnn的系統(tǒng)架構(gòu)圖
          • tnn的數(shù)據(jù)結(jié)構(gòu)及支持框架
          • tnn的網(wǎng)絡(luò)表示
          • tnn網(wǎng)絡(luò)優(yōu)化,量化,及各平臺(tái)的優(yōu)化策略


          第八周:mnn

          本節(jié)課將講解mnn的系統(tǒng)架構(gòu)圖,數(shù)據(jù)結(jié)構(gòu),支持的框架,網(wǎng)絡(luò)的表示,網(wǎng)絡(luò)優(yōu)化,量化,以及各平臺(tái)的優(yōu)化策略。

          課程提綱:

          • mnn的系統(tǒng)架構(gòu)圖
          • mnn的數(shù)據(jù)結(jié)構(gòu)及支持框架
          • mnn的網(wǎng)絡(luò)表示
          • mnn網(wǎng)絡(luò)優(yōu)化,量化,及各平臺(tái)的優(yōu)化策略

           

          第九周:cpu中的指令集優(yōu)化

          本節(jié)課將講解cpu中的指令集優(yōu)化,simd、avx、sse方法,及tvm中對(duì)于cpu上神經(jīng)網(wǎng)絡(luò)加速的位置。

          課程提綱:

          • cpu中的指令集優(yōu)化:simd,avx,sse方法
          • tvm中對(duì)于cpu上神經(jīng)網(wǎng)絡(luò)加速的位置

          第十周:arm中的神經(jīng)網(wǎng)絡(luò)加

          本節(jié)課將講解arm中的neon優(yōu)化,及ncnn,tnn和mnn的實(shí)現(xiàn),并結(jié)合實(shí)際例子來看具體的加速效果。
          課程提綱:
          • arm中的neon優(yōu)化
          • ncnn,tnn和mnn實(shí)現(xiàn)的講解
          • 具體加速效果的實(shí)際案例


          第十一周:卷積計(jì)算的優(yōu)化算
          本節(jié)課將講解卷積計(jì)算的優(yōu)化算法,包括winograd等。

          第十二周:神經(jīng)網(wǎng)絡(luò)加速庫
          本節(jié)課將講解openblas庫的優(yōu)化,nnpack/qnnpack的優(yōu)化,及l(fā)owpgemm
          課程提綱:
          • openblas庫的優(yōu)化

          • nnpack/qnnpack的優(yōu)化

          • lowpgemm


          第十三周:gpu上神經(jīng)網(wǎng)絡(luò)的運(yùn)行和加速

          本節(jié)課將講解gpu與cpu計(jì)算加速的區(qū)別,英偉達(dá)gpu的原生cuda加速方法,及推理側(cè)tensorrt的使用。

          課程提綱:

          • gpu與cpu計(jì)算加速的區(qū)別
          • 英偉達(dá)gpu的原生cuda加速方法
          • 推理側(cè)tensorrt的使用

           

          第十四周:gpu加速通用加速庫

          本節(jié)課將講解通用加速庫cublas,vulkan,opencl的使用。

          課程提綱:

          • 通用加速庫cublas的使用
          • Vulkan的使用
          • opencl的使用


          第十五周:dsp,fpga,npu專用加速計(jì)算

          本節(jié)課將講解dsp,fpga,npu的專用加速計(jì)算

          課程提綱:

          • dsp計(jì)算加速
          • fpga計(jì)算加速
          • npu專用加速計(jì)算
          第十六周:npu使用
          本節(jié)課將以嘉楠科技的k210為例,實(shí)現(xiàn)一個(gè)人臉檢測(cè)案例。
          課程提綱:
          • 嘉楠科技k210芯片介紹
          • nncase人臉檢測(cè)案例


          感興趣的請(qǐng)?zhí)砑幼稍冾檰?/strong>

          05

          授課方式


          • 基礎(chǔ)知識(shí)講解

          • 前沿論文解讀

          • 論文代碼復(fù)現(xiàn)

          • 該知識(shí)內(nèi)容的實(shí)際應(yīng)用

          • 該知識(shí)的項(xiàng)目實(shí)戰(zhàn)

          • 該方向的知識(shí)延伸及未來趨勢(shì)講解

           

          06

          適合人群


          大學(xué)生
          • 編程及深度學(xué)習(xí)基礎(chǔ)良好,為了想進(jìn)入AI芯片行業(yè)發(fā)展

          在職人士
          • 想進(jìn)入AI芯片行業(yè)的算法或IT工程師
          • 想通過掌握硬件技術(shù),拓寬未來職業(yè)路徑的AI算法工程師

          入學(xué)基礎(chǔ)要求
          • 掌握python、C++開發(fā),及深度學(xué)習(xí)的基礎(chǔ)知識(shí)。


          07

          課程研發(fā)及導(dǎo)師團(tuán)隊(duì)


          王歡

          肇觀科技算法總監(jiān)
          華中科技大學(xué)模式識(shí)別與人工智能碩士
          原拼多多、同盾科技等公司算法工程師,AI算法領(lǐng)域從業(yè)15+年



          藍(lán)振忠
          課程研發(fā)顧問
          ALBERT模型的第一作者

          西湖大學(xué)特聘研究員和博士生導(dǎo)師
          Google AI實(shí)驗(yàn)室科學(xué)家
          美國(guó)卡耐基梅隆大學(xué)博士
          先后在NIPS, CVPR, ICCV, IJCAI等會(huì)議發(fā)表30篇以上論文,1000+引用次數(shù)


          Jerry Yuan
          課程研發(fā)顧問
          美國(guó)微軟(總部)推薦系統(tǒng)部負(fù)責(zé)人
          美國(guó)亞馬遜(總部)資深工程師

          美國(guó)新澤西理工大學(xué)博士
          14年人工智能, 數(shù)字圖像處理和推薦系統(tǒng)領(lǐng)域研究和項(xiàng)目經(jīng)驗(yàn)
          先后在AI相關(guān)國(guó)際會(huì)議上發(fā)表20篇以上論文


          李文哲
          貪心科技CEO
          美國(guó)南加州大學(xué)博士

          曾任獨(dú)角獸金科集團(tuán)首席數(shù)據(jù)科學(xué)家、美國(guó)亞馬遜和高盛的高級(jí)工程師
          金融行業(yè)開創(chuàng)知識(shí)圖譜做大數(shù)據(jù)反欺詐的第一人
          先后在AAAI、KDD、AISTATS、CHI等國(guó)際會(huì)議上發(fā)表過15篇以上論文


          感興趣的請(qǐng)?zhí)砑幼稍冾檰?/strong>

          08

          歷屆學(xué)員去向


          瀏覽 26
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          評(píng)論
          圖片
          表情
          推薦
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                    <th id="afajh"><progress id="afajh"></progress></th>
                    日本黄色美女网站 | 久久人人爽人人爽人人片aV东京热 | 中文字幕在线乱 | av电影天堂网 | 粉嫩小泬BBBB免费看WWWW |