当前播放: 10 | 深度学习与硬件:CPU
00:00 / 00:00
高清
  • 高清
1.0x
  • 2.0x
  • 1.5x
  • 1.25x
  • 1.0x
  • 0.5x
网页全屏
全屏
00:00
付费课程,可试看
课程目录
第一章:AI及NLP基础 (15讲)
01 | 课程介绍
免费
02 | 内容综述
免费
03 | AI概览:宣传片外的人工智能
免费
04 | AI项目流程:从实验到落地
免费
05 | NLP领域简介:NLP基本任务及研究方向
免费
06 | NLP应用:智能问答系统
07 | NLP应用:文本校对系统
08 | NLP的学习方法:如何在AI爆炸时代快速上手学习?
09 | 深度学习框架简介:如何选择合适的深度学习框架?
10 | 深度学习与硬件:CPU
11 | 深度学习与硬件:GPU
12 | 深度学习与硬件:TPU
13 | AI项目部署:基本原则
14 | AI项目部署:框架选择
15 | AI项目部署:微服务简介
第二章:深度学习简介和NLP试水 (14讲)
16 | 统计学基础:随机性是如何改变数据拟合的本质的?
17 | 神经网络基础:神经网络还是复合函数
18 | 神经网络基础:训练神经网络
19 | 神经网络基础:神经网络的基础构成
20 | Embedding简介:为什么Embedding更适合编码文本特征?
21 | RNN简介:马尔可夫过程和隐马尔可夫过程
22 | RNN简介:RNN和LSTM
23 | CNN:卷积神经网络是什么?
24 | 环境部署:如何构建简单的深度学习环境?
25 | PyTorch简介:Tensor和相关运算
26 | PyTorch简介:如何构造Dataset和DataLoader?
27 | PyTorch简介:如何构造神经网络?
28 | 文本分类实践:如何进行简单的文本分类?
29 | 文本分类实践的评价:如何提升进一步的分类效果?
第三章:表格化数据挖掘 (4讲)
30 | 经典的数据挖掘方法:数据驱动型开发早期的努力
31 | 表格化数据挖掘基本流程:看看现在的数据挖掘都是怎么做的?
32 | Pandas 简介:如何使用Pandas对数据进行处理?
33 | Matplotlib 简介:如何进行简单的可视化分析?
10 | 深度学习与硬件:CPU

10 | 深度学习与硬件:CPU

王然
众微科技AI Lab技术负责人、阿姆斯特丹大学数学和计量经济学双硕士
120讲 每周一/四更新1813
订阅¥129
4
本节摘要
登录 后留言

精选留言(6)

  • 王柯
    知识点 cache miss get!
    2020-03-03
    1
  • Tango
    白板,好评。
    2020-03-02
    1
  • import_rcX
    老师讲的问题我还真遇到了,现在的服务器配2080ti很多时候利用率吃不满,甚至不比原来配1080ti的服务器快。后来才想到可能是CPU导致IO出现瓶颈
    2020-03-12
  • qinsi
    有个名叫SLIDE的基于CPU的深度学习算法,训练特定的模型速度是GPU的数倍,在Intel CPU上针对cache miss优化后性能还有进一步的提升
    2020-03-06
  • 岛乾坤
    那就是说,寄存器通过cache获取内存中的数据,供CPU读取?

    作者回复: 差不多~当然实际情况比这个复杂~

    2020-03-03
  • 岛乾坤
    老师讲解很清楚,从内存到cache的过程理解了,但是寄存器在其中起到什么作用?它和core的关系呢?

    作者回复: cpu只能直接处理寄存器当中的数据~

    2020-03-03
收起评论
看过的人还看
AI技术内参

洪亮劼  Etsy数据科学主管,前雅虎研究院资深科学家

166讲 | 9262 人已学习

拼团 ¥99 原价 ¥199
数据结构与算法之美

王争  前Google工程师

79讲 | 76792 人已学习

拼团 ¥79 原价 ¥99
后端存储实战课

李玥  京东零售计算存储平台部资深架构师

26讲 | 3228 人已学习

拼团 ¥79 原价 ¥99
深入浅出云计算

何恺铎  前国双技术总经理

18讲 | 1451 人已学习

¥68