[感谢大家反馈的各种意见,现在把修正调整后的版本重新发布,对于已经阅读过的格友,如有打扰,请见谅]
谈到AI,几乎每个人都有一些奇思妙想,但想法与产品有很大的距离,对于边缘端的AI应用,目前的一个主要问题是推理过程用时较久,延时较大,用户体验不够理想。导致这个问题的关键原因是边缘设备的算力不足或者优化不够。
本训练营直面影响AI产品落地的关键问题,深度剖析主流深度卷积网络的内部结构和常用推理引擎的工作过程,现场操练各种软硬件加速方案的实际效果,分析影响推理速度的关键因素,分享优化AI应用的最佳实践。
时间:2019年1月11日- 12日(周五-周六)
地点:上海
形式:实战演练、讲解和讨论点评
时间长度:2天一晚(周五晚上挑灯夜战)
培训对象:
主办单位:格蠹科技(上海)有限公司(xedge.ai),A+实验室(https://www.aicademy.org/)
--基础篇 --
第一部分:卷积神经网络(CNN)剖析 (1.5小时)主讲者:段勇
要点:神经网络与MLP,计算机视觉与深度学习,卷积神经网络分层结构(i.卷积层 ii. 激活层 iii.池化层 iv. BN层 v. Dropout层 vi. 全连接层),常用的CNN网络介绍(i. MobileNetii. GoogLeNet iii. ResNet iv. MobileNet-SSDv. YOLO)【在这个部分中,老段会结合他丰富的AI实践,深入浅出地介绍深度网络的精华,详细解析常用的网络层结构】
第二部分:边缘端AI推理硬件探微(2小时)主讲者:张银奎
要点:AI推理的计算特征,GEMM和SGEMM,谷歌TPU的结构和对其它NPU的影响,NPU的核心调整:高并行度和大数据量,英特尔第二代VPU(Myriad 2)解析(内部结构,可编程的DSP加速器(SHAVES),CV加速器,外部接口),基于Myriad 2