Momenta Paper Reading第二季回歸 | 讓深度學習更高效運行的三個角度

Momenta Paper Reading第二季

2018，Momenta Paper Reading第二季強勢回歸！

我們致力於打造一個「無人駕駛學術產業前沿知識」的分享溝通平台

這裡有

Faster-RCNN和ResNet的主要作者

CVPR 2016 Best Paper得主

參與搭建百度「Minwa」的高性能計算專家

ImageNet、MS COCO比賽冠軍

……

這裡將

選擇頂級學術會議的Best Paper

進行相關領域綜述性總結

深挖某一問題的來龍去脈

用通俗形象的比喻讓你輕鬆讀懂AI

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，Momenta聯合量子位吃瓜社欄目帶來Paper Reading第二季首期分享：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。

首期嘉賓

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

王晉瑋的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

1.評價CNN模型開銷的兩個視角：計算量、訪存量

2.如何優化模型的計算量

3.如何優化模型的訪存量

4.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 — 21:30

活動形式：

線上直播+微信群互動

報名方式：

掃碼添加小M助手：LittleMomentaAI（已添加小助手的同學可直接聯繫小助手），備註：「Paper Reading」，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。

https://u.wechat.com/EOyWSWDFj7PQgPusxCWENtA (二維碼自動識別)

聯合主辦

打造自動駕駛大腦，基於深度學習的環境感知、高精度地圖、駕駛決策技術，讓無人駕駛成為可能。

追蹤人工智慧產品和技術新趨勢，我們只專註報道AI。

------------------------------------------------

知乎機構號：Momenta，打造自動駕駛大腦。

基於深度學習的環境感知、高精度地圖、駕駛決策技術，讓無人駕駛成為可能。