Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
沒
Resource
提交
c30f7c20
R
Resource
项目概览
沒
/
Resource
与 Fork 源项目一致
从无法访问的项目Fork
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
R
Resource
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
未验证
提交
c30f7c20
编写于
8月 25, 2020
作者:
F
flashrunrun
提交者:
GitHub
8月 25, 2020
浏览文件
操作
浏览文件
下载
差异文件
Merge pull request #11 from MegEngine/courses
Courses
上级
fe984212
b065181d
变更
5
隐藏空白更改
内联
并排
Showing
5 changed file
with
58 addition
and
0 deletion
+58
-0
competition activities/slides/README.md
competition activities/slides/README.md
+1
-0
competition activities/slides/视频超分辨率分享.pdf
competition activities/slides/视频超分辨率分享.pdf
+0
-0
competition activities/slides/金枪鱼之夜:MegEngine 框架设计.pdf
competition activities/slides/金枪鱼之夜:MegEngine 框架设计.pdf
+0
-0
competition activities/旷视人工智能开源大赛_视频超分辨率.md
competition activities/旷视人工智能开源大赛_视频超分辨率.md
+14
-0
competition activities/金枪鱼之夜:MegEngine 框架设计.md
competition activities/金枪鱼之夜:MegEngine 框架设计.md
+43
-0
未找到文件。
competition activities/slides/README.md
0 → 100644
浏览文件 @
c30f7c20
包含比赛活动的课件资源
competition activities/slides/视频超分辨率分享.pdf
0 → 100644
浏览文件 @
c30f7c20
文件已添加
competition activities/slides/金枪鱼之夜:MegEngine 框架设计.pdf
0 → 100644
浏览文件 @
c30f7c20
文件已添加
competition activities/旷视人工智能开源大赛_视频超分辨率.md
0 → 100644
浏览文件 @
c30f7c20
## 背景
恢复压缩视频的画面质量,对于改善在网络带宽受限环境、提高在高分辨率显示设备上的视频观看体验有现实的价值和积极的作用。本次比赛围绕这个主题展开,为现实问题寻找最优解决方案。
## 详情
**比赛主题**
:视频超分辨率
<br/>
**比赛时间**
:2020/08/10 - 2020/09/24
<br/>
**详情**
:https://studio.brainpp.com/competition
<br/>
## 视频讲解
https://www.bilibili.com/video/BV19C4y1t7Ae
<br/>
## 课件地址
[
视频超分辨率分享.pdf
](
./slides/视频超分辨率分享.pdf
)
<br/>
competition activities/金枪鱼之夜:MegEngine 框架设计.md
0 → 100644
浏览文件 @
c30f7c20
## 背景
AI 浪潮一波又一波,仿佛不会算法就落后于时代。
深度学习框架处理了各种设备的计算细节、求导、计算优化序列的工作,而在动态、静态两套截然不同的世界中,这些步骤又各自有他们不同的优化点和瓶颈。
如何在中间获取一个高效的平衡呢?以及如何克服训练完的模型在推理部署中无数的坑(闻者落泪),那个堪称对此进行降维打击的“训练推理一体化”到为何物?
## 分享内容
MegEngine 天元作为旷视全员自用6年的自研深度学习框架,是一个在淘金热时,坚持选择卖铲子的团队。旷视研究院 AI 系统高级技术总监、MegEngine 技术负责人许欣然作为主讲人。
他将带我们了解一个深度学习框架是如何把网络的定义逐步优化并最终执行的,从框架开发者的视角来看待深度学习。
<br/>
**视频地址:**
https://www.bilibili.com/video/BV11C4y1t7xH
<br/>
**课件地址:**
[
金枪鱼之夜:MegEngine 框架设计.pdf
](
./slides/金枪鱼之夜:MegEngine%20框架设计.pdf
)
<br/>
## 分享大纲
-
背景介绍
-
深度学习框架是干啥的?
-
道理我都懂,为什么又搞一个深度学习框架?
-
你们为啥不用 PyTorch / TensorFlow?
-
训推一体是个啥玩意?
-
如何写出一个深度学习框架?(超简化版)
-
动态图训练
-
调用 = 执行
-
依赖关系图 forward & backward
-
megdnn kernel
-
exec
-
Shape Deduce
-
静态图训练 + 推理(粗糙版)
-
Tensor
-
Graph、SymborVar
-
CompNode
-
Shape Inference
-
Graph Optimization
-
拓扑排序
-
内存优化
-
Computing Sequence
-
一个陈年静态图框架是怎么变成动态图框架的?
-
Dynamic Region
-
Eager Graph
-
Eager Runtime + Proxy Graph
-
对未来的展望
-
各种芯片模组的对接,挑战训推一体的理念
-
MLIR 等技术的兴起
-
如何做到真 JIT
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录