Momenta高级研究员：提高深度学习运行效率的三个角度

深度学习已经被证明是非常成功的机器学习算法。但往往，深度学习庞大的计算性能需求阻碍了它在一些领域的应用，这些领域由于功耗、散热、成本等原因的限制，无法提供充裕的计算能力。

如何让深度学习可以用在这些领域？在运行深度学习模型的过程如何缩短计算时间，加速完成训练任务呢？

2月1日（下周四）晚20:00，量子位联合Momenta Paper Reading带来吃瓜社第五期技术分享：深度学习性能优化——让深度学习更高效运行的三个角度。Momenta深度学习模型加速专家，高级研究员王晋玮，将以卷积神经网络CNN为例，分享模型优化的三个角度，并跟大家一起探讨在实践中出现的问题如何解决。

嘉宾介绍

王晋玮

特征点定位专家，深度学习模型加速专家，Momenta早期核心员工，负责搭建Momenta的高性能深度学习部署平台。

主要研究领域是特征点定位和深度学习模型加速，曾在Sensetime、Deephi从事深度学习算法研究工作，2016年加入Momenta，目前任高级研究员，负责搭建高性能深度学习部署平台，拥有丰富的深度学习模型加速经验。

分享提纲

评价CNN模型开销的两个视角：计算量、访存量

如何优化模型的计算量

如何优化模型的访存量

如何从框架层面榨取更多性能

活动详情

活动时间：

2月1日（周四）晚20:00 — 21:00

活动形式：

线上直播+微信群互动

报名方式：

扫码添加量子位小助手5：qbitbot5（已添加了量子位小助手1234的同学可联系相应小助手），备注：“吃瓜社”，通过后即可入群，入群后可在分享期间与嘉宾互动答疑，还能第一时间获得分享PPT。

关注量子位公众号：QbitAI，在公众号对话界面回复“吃瓜社”，也可获得直播地址。

关于吃瓜社

量子位活动栏目之一，不定期邀请众多技术大牛和优质论文作者进行技术分享，与大家聊一聊技术理论与实践。

祝大家吃瓜愉快~~(￣￣)／

主办方

Momenta致力于打造自动驾驶大脑，核心技术是基于深度学习的环境感知、高精度地图、驾驶决策算法。产品包括不同级别的自动驾驶方案，以及衍生出的大数据服务。团队来源于清华大学、麻省理工学院、微软亚洲研究院等顶尖高校，成员包括深度学习专家，Faster R-CNN和ResNet的作者，ImageNet与MS COCO Challenge等多项比赛冠军。

追踪人工智能产品和技术新趋势，我们只专注报道AI。

—完—