这个夏天,跟陈天奇学「呆板进修编译」中英文课程,6月17日开课!

陈天奇:「因为世界上还没有关于这个方位的体系性课程,所以这一次尝试应该会是和小伙伴们共同的探索」。随着呆板进修框架和硬件需求的发展,呆板进修 / 深度进修编译正成为一个越来越受关注的话题。在去年 12 月的一篇文章中,TVM、MXNET、XGBoost 作者,CMU 助理教授,OctoML CTO 陈天奇探讨了「新一代深度进修编译技术的变革和展望」。他指出,现在深度进修编译生态正围绕四类笼统展开:估计图体现、张量步调体现、算子库和运行情况、硬件专用指令。不过,由于篇幅受限,陈天奇并未就这一话题展开体系、详细的讨论,

陈天奇:「因为世界上还没有关于这个方位的体系性课程,所以这一次尝试应该会是和小伙伴们共同的探索」。

随着呆板进修框架和硬件需求的发展,呆板进修 / 深度进修编译正成为一个越来越受关注的话题。

在去年 12 月的一篇文章中,TVM、MXNET、XGBoost 作者,CMU 助理教授,OctoML CTO 陈天奇探讨了「新一代深度进修编译技术的变革和展望」。他指出,现在深度进修编译生态正围绕四类笼统展开:估计图体现、张量步调体现、算子库和运行情况、硬件专用指令。

图片

不过,由于篇幅受限,陈天奇并未就这一话题展开体系、详细的讨论,这让很多对呆板进修 / 深度进修编译感兴趣的小伙伴感到意犹未尽。陈天奇本人也体现,「今朝互联网上也有一些关于呆板进修编译的先容,不过大部分都还是先容其中的各个模块,或者是针对一个体系的深入内部讲解。」因此,陈天奇萌生了开一门体系性课程的想法。

6 月 2 日,陈天奇通过知乎宣布,由他主讲的呆板进修编译入门课程将于近期正式开课。

图片

原贴链接:https://zhuanlan.zhihu.com/p/523372873

陈天奇先容说,今朝课程已经确定了几点大的方位,「首先,呆板进修编译自己虽然有『编译』二字,其涉及到的技术其实超过了传统编译的范畴,包含了如呆板进修搜索自动化,算子库调整,和呆板进修生态交互等各个方面。而在相关笼统设计上面也有许多呆板进修需求自己的考量。」因此,「这次课程会集中先容估计图、张量步调、算子库和硬件指令四个层面的笼统。而更加重要的一点考量是调整。一般对于呆板进修编译的先容都会集中在一个点上,而各大笼统的调整自己反而恰好是真正需要大家关注的地方。」

今朝,课程的中英文大纲都已经在官网上线,课程视频也是中英文均有。

英文课程主页 https://mlc.ai/summer22/ 

中文课程主页 https://mlc.ai/summer22-zh/ 

以下是关于该课程的详细信息(来自课程官网):

课程简介

随着人工智能应用在我们的日常生活中变得越来越普遍,今朝存在的挑战是如何在不同的生产情况中布置最新的人工智能模型。模型和布置情况的组合爆炸给训练和推理布置带来了巨大的挑战。此外,今朝落地的模型也提出了更多的要求,例如减少软件依赖、全面的模型覆盖、利用新硬件进行加速、减少内存占用,以及更强的可扩展性。

这些模型训练和推理问题,涉及呆板进修编程范式、基于进修的搜索算法、编译优化以及估计运行时。这些话题的组合生成了一个全新主题——呆板进修编译,并且该方位正在不断持续发展。这门课程将按照其中的关键元素,体系地研究这一新兴领域的关键要素。参与者将进修一些核心的概念,用以体现呆板进修步调、自动优化技术,以及在端到端呆板进修布置中优化情况依赖、内存和性能的方法。

课程受众和知识储备要求

关于这门课程的受众和要求,陈天奇体现,「这次课程自己并不需要编译和呆板进修体系的背景知识。只需要对于深度进修框架有一些使用经验即可」。具体信息如下:

图片

课程安排

从今朝公布的课程安排来看,这门课程总共有 11 次课,从 6 月 17 日一直持续到 8 月 23 日,可以陪伴大家度过一个充实的夏天。

图片

图片

此外,这门课程还设置了专门的中英文论坛。

中文论坛:https://github.com/mlc-ai/mlc-zh/discussions

英文论坛:https://github.com/mlc-ai/mlc-en/discussions

小板凳搬好了吗?

原创文章,作者:机器之心,如若转载,请注明出处:https://www.iaiol.com/news/zhe-ge-xia-tian-gen-chen-tian-qi-xue-dai-ban-jin-xiu-bian/

(0)
上一篇 2022年 6月 2日 下午4:28
下一篇 2022年 6月 6日 上午9:18

相关推荐

  • 论文分享 | 丢弃卷积,纯Transformer建立GAN收集

    最近,计算机视觉(CV)领域的钻研者对 Transformer 产生了极大的兴趣并陆续取得了不少突破。比如,2020 年 5 月,Facebook AI 的钻研者推出了 Transformer 的视觉版本——Detection Transformer,在性能上媲美当时的 SOTA 方法,但架构得到了极大简化;10 月,谷歌提出了 Vision Transformer (ViT),可以直接利用 transformer 对图像进行分类,而不需要卷积收集。

    2021年 2月 26日
  • 典范教材《统计进修导论》第二版来了,新增深度进修等内容,免费下载

    典范的《统计进修导论》又出第二版了,相比于第一版,新版增加了深度进修、生存剖析、多重测试等内容,可免费下载。

    2021年 8月 8日
  • 2023 IEEE Fellow出炉:唐立新、宗成庆、朱军、姬水旺、李佳等当选

    近日,美国电子电气工程师学会(Institute of Electrical and Electronic Engineers,IEEE)确定了新一届 Fellow 名单。

    2022年 11月 22日
  • baidu出席AI顶会IJCAI2020,学术创新成果全球领先

    近日,人工智能国际联合会议IJCAI2020受疫情影响延期后,顺利在线上举行。IJCAI(International Joint Conference on Artificial Intelligence)始于1969年,现为每年一次,学术水平和影响力极高,受到全球学术界和产业界高度关注。据知,IJCAI2020是史上最难的一届,论文接受率12.6%创历史最低;其中,baidu不仅贡献多篇优质论文,涵盖众多前沿领域,更有线上展台技术讲座,分享交流最新的学术突破。值得一提的是,baidu研究院量子盘算研究所所长段润尧还在会上发表

    2021年 1月 19日
  • FC 2022 | 基于博弈论分析的非同质化代币证券化与回购商场

    本文是 FC 2022入选论文《ABSNFT: Securitization and Repurchase Scheme for Non-Fungible Tokens Based on Game Theoretical Analysis》的解读。该论文为北京大学前沿计算研究中心算法博弈论实验室2021年暑期夏令营的科研结果,指导老师为北京大学前沿计算研究中心邓小铁教授和苏州科技大学程郁琨教授。文章提出了一种将区块链上的非同质化代币(Non-Fungible Token, NFT)进行证券化与回购的规划,并基于博弈论对该规划进行理论分析。

    2022年 7月 18日
  • 冰鉴科技完成2.28亿元C2轮融资,国创中鼎领投

    上海冰鉴信息科技有限公司(以下简称冰鉴科技)近日宣布完成2.28亿元C2轮融资,该轮融资由国创中鼎领投,东方富海、曦域资本跟投。投中资本担任C2轮独家投资顾问。2020年底冰鉴科技宣布完成C1轮投资,C1和C2合称为C轮融资。本轮融资主要用于扩展研发团队,对上下游进行投资并购,以及完善公司生态建设和业务版图。冰鉴科技是一家利用人工智能手艺提供企业级效劳的高科技公司。经过近六年的发展,已成长为人工智能企业效劳畛域尤其是风控畛域的领军企业。同时,以金融行业效劳为根基,冰鉴科技不竭拓展人工智能运用边界,将领先的核心手艺转

    2021年 4月 12日
  • Python 3.11正式版来了,比3.10快10-60%,官方:这或许是最好的版本

    想要体验新功能的小伙伴赶紧去试试新版本吧!

    2022年 10月 25日
  • 微软工程师用PyTorch实现图注意力网络,可视化效果惊艳

    近日,一个关于图注意力网络可视化的项目吸引了大批研究人员的兴趣,上线仅仅一天,收获 200+ 星。该项目是关于用 PyTorch 实现的图注意力网络(GAT),包括易于理解的可视化。

    2021年 2月 2日
  • AI助力高功能钢设计:断裂强度、断裂寿命得到准确预计

    呆板进修技术促进了从医疗保健到高能物理等科技领域的进步。现在,呆板进修有望帮助火力发电厂加速开发更坚固的合金,尤其是不锈钢。更坚固的质料是高效生产能源的关键,从而带来经济和脱碳效益。「在发电厂中的使用超高强度钢的历史可追溯到20世纪50年代,随着时间的推移,质料逐渐改良。」太平洋西北国家实验室 (PNNL) 的博士后钻研助理 Osman Mamun 说。「如果我们能找到加快改良或创造新质料的格式,我们就能看到工场效率提高,同时减少排放到大气中的碳量。」Mamun 是最近两篇相关期刊文章的主要作者,这些文章揭示了呆板

    2021年 6月 28日
  • 专栏 | 蒙特卡洛树搜寻在黑盒优化和神经收集结构搜寻中的应用

    布朗大学在读博士王林楠在本文中介绍了他与 Facebook 田渊栋团队合作,在 2020 年 NeurIPS 取得亮眼表现的新算法,以及其在神经收集结构搜寻中的应用。

    2021年 1月 6日

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注