Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

用Python!旷视天元公开课带你入门深度学习开发

今年 3 月,旷视科技开源了在内部工程实践超过 6 年的深度学习框架天元(MegEngine),并于6月底发布 Beta 版。短短3个月时间,天元共经历了 5 个版本的迭代,其「训练推理一体」、「动静合一」、「兼容并包」、「灵活高效」的强大性能,为 AI 领域带来了新的风向。

天元可以帮助开发者把自己的精力集中在算法的研发和业务场景中,从烦琐的流程,烦琐的性能优化和模型复现中解放出来,真正实现「深度学习开发,从未如此简单」。

一键切换训练推理:从算法直接到部署硬件,中间不再需要转换模型,只需要几行代码与 API,模型的实践效果就能看得到。对于大多数算法工程师,可能比较精通深度学习模型,对推理与模型部署相对而言不是那么熟,天元可以降低大量工程实践成本。

动静合一,图并存:天元同时支持动态图与静态图。在调试时可以将函数设置为动态图,直接查看每个变量的信息;在部署等实际应用时,再把静态图打开,提升训练与推断速度,充分整合了两种方式的优势。

人生苦短,Pythonic 好入门:天元承接了 Pythonic API,编程风格与 API 配置和已有的编程习惯、现有框架的风格保持一致,学习成本非常低。同时基于旷视本身在计算机视觉方面的积累,天元内置了一些独特的深度学习算子,能针对 CV 模型的训练与应用实现深度优化。

除上述特性外,天元还有很强的多平台多设备适应能力、支持大数据大规模训练等诸多特性。另外,在 6 月底发布的 Beta 版中,天元升级了量化训练和量化推理功能、添加了对 ARM CPU 的支持、进一步优化了推理功能,同时新增 10 余个 SOTA 模型,并正式提供中文版 API 文档,还新增了 Objects 365 Dataset 的 API 和多机训练参数打包等功能。

如果你有基础的Python编程能力,并且准备入门深度学习框架,天元会是一个非常好的选择。

为此,机器之心联合旷视科技开设线上公开课零基础入门旷视天元MegEngine,通过对深度学习基本概念、模型的搭建与训练、物体分类和识别模型、模型的部署与优化等深度学习开发过程中必要环节的讲解与代码演示,帮助开发者通过 6 次线上课程掌握基本知识和技能。

另外我们会将天元MegEngine的新特性贯穿始终,也适合作为希望快速了解 MegEngine框架特性的开发者学习。

每次课程后设置作业环节,我们将从所有提交作业的同学中进行抽奖,对于完成所有作业的同学将颁发培训结业证书和纪念品。作业详情将在课程中详细介绍。课程安排如下:


7月28日,第一课


课程主题:旷视天元MegEngine介绍和快速上手

本课讲师:杨滔,旷视科技AI市场总监

讲师简介:杨滔毕业于清华大学,2020年加入旷视科技有限公司,任AI市场总监,负责MegEngine的生态建设。加入旷视前杨滔在微软工作十四年,负责最新技术在高校中推广和布道,对业界主流技术、云平台以及人工智能技术有丰富和全面的积累。

分享概要:

  • MegEngine背景、特点、环境设置和安装介绍;

  • MegStudio在线深度学习开发平台介绍和演示;

  • 深度学习和MegEngine编程中的张量、算子、反向传播和自动求导等相关基本概念介绍;

  • 如何利用公开项目和社区等资源快速开启深度学习之旅。

如何参与


零基础入门旷视天元MegEngine课程全程免费,添加机器之心小助手,即可加入学习交流群,一起看直播学理论、做作业动手实践。

ps:如本小助手无法添加,请添加小助手的兄弟姐妹们:syncedai2、syncedai3、syncedai4、syncedai6。或者将「微信ID」发送邮件到shidongle@jiqizhixn.com,我们将与你联系,邀你入群。

工程旷视科技Python深度学习框架天元
相关数据
Microsoft机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

张量技术

张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数,这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。其坐标在 维空间内,有 个分量的一种量,其中每个分量都是坐标的函数,而在坐标变换时,这些分量也依照某些规则作线性变换。称为该张量的秩或阶(与矩阵的秩和阶均无关系)。 在数学里,张量是一种几何实体,或者说广义上的“数量”。张量概念包括标量、矢量和线性算子。张量可以用坐标系统来表达,记作标量的数组,但它是定义为“不依赖于参照系的选择的”。张量在物理和工程学中很重要。例如在扩散张量成像中,表达器官对于水的在各个方向的微分透性的张量可以用来产生大脑的扫描图。工程上最重要的例子可能就是应力张量和应变张量了,它们都是二阶张量,对于一般线性材料他们之间的关系由一个四阶弹性张量来决定。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

旷视科技机构

旷视成立于2011年,是全球领先的人工智能产品和解决方案公司。深度学习是旷视的核心竞争力,我们打造出自研的AI生产力平台Brain++并开源其核心——深度学习框架“天元”,实现了算法的高效开发与部署。在持续引领技术进步的同时,我们推动AI产业的商业化落地,聚焦个人物联网、城市物联网、供应链物联网三大赛道,为个人用户带来更出色的美学体验与安全保障、让城市空间更有序、并帮助企业实现工业、仓储数字化升级。我们提供包括算法、软件和硬件产品在内的全栈式、一体化解决方案。

https://www.megvii.com
机器之心机构

机器之心,成立于2014年,是国内最具影响力、最专业、唯一用于国际品牌的人工智能信息服务与产业服务平台。目前机器之心已经建立起涵盖媒体、数据、活动、研究及咨询、线下物理空间于一体的业务体系,为各类人工智能从业者提供综合信息服务和产业服务。

https://www.jiqizhixin.com/
量化技术

深度学习中的量化是指,用低位宽数字的神经网络近似使用了浮点数的神经网络的过程。

推荐文章
暂无评论
暂无评论~