该实验工具箱具有通用性、灵活性、可拓展、易理解、使用方便、开放性等多个优点 。
文章插图
工具箱的模型训练过程主要是原始数据、数据预处理、处理数据、魔性训练四个步骤 。
其中在训练过程中需要保存字段映射、模型超参数和权重等信息 。
文章插图
如何实现预测？在训练期间获得的相同场映射会被用于预处理每个数据点和后处理模型的每个预测，以便映射回标签 。
文章插图
曾平：旷视天元端上优化旷视研究院天元MegEngine异构计算组组长曾平分享了旷视天元在端上的优化工作 。
端上智能是在端侧做AI推理应用，比如美颜拍照 。
出于隐私保护、降低时延和流量成本、分担云上服务器压力等方面的考虑，端上推理的落地具有很大的实践价值 。
文章插图
端上应用也面对来自速度、内存、模型大小、引擎大小、功耗等方面对端设备和框架的挑战 。
文章插图
天元在端上已经完成了整体架构优化、底层核心优化、性能评测等功能 。
天元通过常量折叠、算子融合、冗余算子消除、可达性分析等手段可以达到图优化的目的 。
文章插图
作为端上推理的重要算法，winograd能从理论上加速卷积 。
文章插图
文章插图
刘涛：Adlik：加速AI应用落地的端到端工具链
文章插图
中兴通讯AI平台高级工程师刘涛介绍，Adlik能够帮助用户全套快速完成编译优化、环境部署运行、迁移等工作，减少AI推理端用户在多种算法之间学习的成本 。
文章插图
Adlik模型优化器的特性：支持多机多卡的剪枝和调优，先剪枝再加速 。小批量的模型数据量化基本没有损失 。
文章插图
Adlik提供给用户一整套Serving SDK，支持用户自定义运行时和指定的AI应用，提供整套的C++ API，用户可以自定义算法、轻易扩展运行时 。
文章插图
文章插图
毕然：飞桨（PaddlePaddle）与深度学习实践课程
百度深度学习平台部主任架构师、飞桨产品负责人毕然全面介绍了百度飞桨——源于产业实践的开源深度学习平台，同时还分享了一些系统化学习和实践深度学习技术的课程
人工智能在过去几十年间有了突飞猛进的发展，尤其从2010年开始，深度学习技术从学术界走向了工业界，相关产业持续增长，人工智能行业将成为继互联网之后，人类取得巨大突破和产生巨大经济价值的行业 。
文章插图
百度飞桨为不仅为用户提供开源框架，而且为用户提供深度学习过程中需要的各种类型的模型组件和辅助工具 。
文章插图
百度飞桨具备四大技术优势：
- 开放便捷的深度学习框架，支持动态图和静态图
- 超大规模深度学习模型训练技术
- 多端多平台部署的高性能推理引擎
- 产业级开源模型库，算法达到146个
文章插图
百度飞桨在通信、电力、城市管理、民生、工业、农业、林业、公益等多领域广泛应用 。
文章插图
黄之鹏：MindSpore开源社区华为计算开源生态部副总监黄之鹏介绍，MindSpore是华为在今年3月28号开源的全新的深度学习推理和训练框架，是业界少有的几款软硬件协同设计，强调系统和端角度的学习框架 。面向全场景提供统一结构，使开发者训练模型更加简单 。
推荐阅读
- 销量|3月皮卡销量排名：长城有点压力、大变局刚刚开始！
- 参归排骨汤
- 醋溜双色豆腐的做法
- 海鲜扒豆腐的做法
- 蟹粉豆腐的做法
- 正山小种红茶怎么泡[红茶]
- 护肤|长黄褐斑、老年斑！可能是护肤不对惹的祸！医生教你几招解决办法
- 解读侗族服饰特点
- 详解linux多线程——互斥锁、条件变量、读写锁、自旋锁、信号量
- 灵魂拷问：为什么short、byte会被提升为int？boolean到底多大？