0
| 本文作者： AI研習社 | 2020-04-08 17:14 |
隨著深度學習的發展，神經網絡被廣泛應用于各種領域，模型性能的提高同時也引入了巨大的參數量和計算量。模型量化是一種將浮點計算轉成低比特定點計算的技術，可以有效的降低模型計算強度、參數大小和內存消耗，但往往帶來巨大的精度損失。尤其是在極低比特(<4bit)、二值網絡(1bit)、甚至將梯度進行量化時，帶來的精度挑戰更大。
本次直播，我們邀請了商湯研究院--鏈接與編譯團隊的兩位研究員，分享團隊在模型量化方面的的一系列研究工作，其中包含CVPR 2020、ICCV 2019等多篇與北航劉祥龍老師團隊合作的論文成果。
一、課程信息
主題：如何做模型量化，訓練極低比特網絡
時間：4月9日（周四）20:00-21:00
觀看鏈接：↓↓↓
http://www.mooc.ai/open/course/786?from=leiphonecolumn_mooc0408
二、分享提綱
1、如何訓練極低比特(<4bit)的網絡
2、如何訓練高效的二值化網絡
3、如何用量化技術來加速模型訓練
4、模型量化在實際場景的落地
5、模型量化與網絡結構搜索結合
三、嘉賓介紹
余鋒偉
商湯科技研究院高級研究員
鏈接與編譯組負責人
余鋒偉研究員本碩畢業于北京航空航天大學計算機學院。曾獲得MOT16視頻多目標跟蹤冠軍，ASC世界大學生超級計算機競賽一等獎，華為獎學金，研究生國家獎學金等。現作為內部開源技術中臺的架構師之一，負責訓練加速、自動模型部署、模型量化、神經網絡編譯器等技術的研發和落地。在ECCV、ICCV、CVPR、ICLR上共發表5篇論文。
龔睿昊
商湯科技研究院見習研究員
鏈接與編譯組成員
龔睿昊同學曾獲得商湯科技未來之星、CCF優秀大學生、北京市三好學生、國家獎學金等。現主要研究方向為深度學習模型的量化加速技術，在ICCV、CVPR、ICLR、PR等期刊會議上發表6篇論文(其中1篇一作，4篇二作)，期間負責量化框架的設計和開發，支持量化模型在多業務線項目落地。
四、直播報名
掃碼添加AI研習社頂會小助手（AIyanxishe2）微信好友備注“論文解讀+量化”后進入報名微信群，獲取課件和直播間地址
雷鋒網雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
