Momenta高級研究員：提高深度學習運行效率的三個角度

深度學習已經被證明是非常成功的機器學習演算法。但往往，深度學習龐大的計算性能需求阻礙了它在一些領域的應用，這些領域由於功耗、散熱、成本等原因的限制，無法提供充裕的計算能力。

如何讓深度學習可以用在這些領域？在運行深度學習模型的過程如何縮短計算時間，加速完成訓練任務呢？

2月1日（下周四）晚20:00，量子位聯合Momenta Paper Reading帶來吃瓜社第五期技術分享：深度學習性能優化——讓深度學習更高效運行的三個角度。Momenta深度學習模型加速專家，高級研究員王晉瑋，將以卷積神經網路CNN為例，分享模型優化的三個角度，並跟大家一起探討在實踐中出現的問題如何解決。

嘉賓介紹

王晉瑋

特徵點定位專家，深度學習模型加速專家，Momenta早期核心員工，負責搭建Momenta的高性能深度學習部署平台。

主要研究領域是特徵點定位和深度學習模型加速，曾在Sensetime、Deephi從事深度學習演算法研究工作，2016年加入Momenta，目前任高級研究員，負責搭建高性能深度學習部署平台，擁有豐富的深度學習模型加速經驗。

分享提綱

評價CNN模型開銷的兩個視角：計算量、訪存量

如何優化模型的計算量

如何優化模型的訪存量

如何從框架層面榨取更多性能

活動詳情

活動時間：

2月1日（周四）晚20:00 — 21:00

活動形式：

線上直播+微信群互動

報名方式：

掃碼添加量子位小助手5：qbitbot5（已添加了量子位小助手1234的同學可聯繫相應小助手），備註：「吃瓜社」，通過後即可入群，入群後可在分享期間與嘉賓互動答疑，還能第一時間獲得分享PPT。

關注量子位公眾號：QbitAI，在公眾號對話界面回復「吃瓜社」，也可獲得直播地址。

關於吃瓜社

量子位活動欄目之一，不定期邀請眾多技術大牛和優質論文作者進行技術分享，與大家聊一聊技術理論與實踐。

祝大家吃瓜愉快~~(￣￣)／

主辦方

Momenta致力於打造自動駕駛大腦，核心技術是基於深度學習的環境感知、高精度地圖、駕駛決策演算法。產品包括不同級別的自動駕駛方案，以及衍生出的大數據服務。團隊來源於清華大學、麻省理工學院、微軟亞洲研究院等頂尖高校，成員包括深度學習專家，Faster R-CNN和ResNet的作者，ImageNet與MS COCO Challenge等多項比賽冠軍。

追蹤人工智慧產品和技術新趨勢，我們只專註報道AI。

—完—

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！