当前播放: 深度学习平台的开发和应用
00:00 / 00:00
标清
  • 标清
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
合辑:机器学习和深度学习
视频内容理解在Hulu的应用与实践
深度学习平台的开发和应用
大规模机器学习在LinkedIn预测模型中的应用
深度强化学习在游戏研发中的应用

深度学习平台的开发和应用

百度深度学习技术平台部架构师

潘欣,百度深度学习技术平台部架构师

内容介绍

本次演讲将分别从算法,硬件和数据的角度,讲述深度学习平台的开发和应用。

深度学习的算法的趋势是更加多样化和灵活化。需要框架提供数百个稳定和向后兼容的接口。同时在编程方式上,需要更接近传统编程语言的模式。演讲将介绍 TensorFlow 和 Paddlepaddle 在接口兼容性上的设计和 Pytorch 的 imperative 编程模式的成功。

硬件将变得更加异构化,服务器将大量采用 GPU,TPU 加速。移动设备的 SoC 将包含 CPU,GPU,NPU。FPGA 也将在很多场景使用。演讲将介绍异构设备编程的难点,深度学习框架对异构设备的常见优化方法和效果。

大规模的数据对科学家和平台都提出了巨大的挑战。本演讲将介绍 Data Version 对于实验复现的作用和 TensorFlow,Paddlepaddle 数据入口的演化历史。

最终演讲会结合具体案例,介绍深度学习框架在不同场景中的应用。

内容大纲

  1. 深度学习框架如何支持更加灵活和复杂的算法;
  2. 深度学习框架如何优化异构硬件设备上的性能和资源消耗;
  3. 深度学习框架如何支持大数据的处理;
  4. 深度学习框架的应用。
展开
¥4.99 购买
开通VIP
11
登录 后留言

精选留言

由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论
其他推荐
39:21
从平台构建到领域深耕: Kubernetes在华为云的实践与发展
王泽锋 华为云 Kubernetes开源负责人
试看
45:15
基于Istio on Kubernetes云原生应用的最佳实践
王夕宁 阿里云 高级技术专家
试看
32:48
微博深度学习平台基于Kubernetes的分布式解决方案
于翔 新浪微博 机器学习研发架构师
试看