大V讲堂——能耗高效的深度学习
.jpg)
.jpg)
.jpg)
.jpg)
现在大多数的AI模型，尤其是计算视觉领域的AI模型，都是通过深度神经网络来进行构建的，从2015年开始，学术界已经开始注意到现有的神经网络模型都是需要较高算力和能好的。并且有大量的研究论文集中于如何将这些AI模型从云上部署到端侧，为AI模型创造更多的应用场景和产业价值。
课程简介
为了解决真实世界中的问题，我们的深度学习算法需要巨量的数据，同时也需要机器拥有处理庞大数据的能力，在现实世界中部署神经网络需要平衡效率和能耗以及成本的关系。本课程介绍了能耗高效的深度学习。
课程目标
通过本课程的学习，使学员了解如下知识：
1、高效的结构设计。
2、用NAS搜索轻量级网络。
3、数据高效的模型压缩。
4、1bit量化。
课程大纲
第1章 能耗高效的深度学习的背景
第2章 高效的神经元和结构设计
第3章 基于NAS的轻量级神经网络
第4章 数据高效的神经网络压缩
第5章 1-bit等价性研究
