-
大量数据 -> 数据驱动 -> 深度学习
-
学界问题:
-
模型假设苛刻,不符合工业界真实场景
-
工业计算规模巨大,模型训练、推理存在复杂工程挑战
-
-
深度学习研发新范式:
-
深度学习框架提供了封装好的基础模块,新模型设计变成了工具化组装
-
深度模型优化可以采用标准化优化器
-
算法研发人员可以将精力集中到对领域问题的理解和模型设计上
-
-
工业级深度学习2.0:
-
领域问题特性
-
数据
-
算力
-
算法
-
架构
-
工程系统
-
推荐序——朱小强
最新推荐文章于 2024-10-18 22:34:44 发布