Optymalizacja głębokich sieci neuronowych na urządzenia IoT zima 2021/22

Język wykładowy Polski
Opiekun Jan Otop
Liczba godzin 7 (wyk.) 7 (prac.)
Rodzaj K2 - kurs zaawansowany
ECTS 2
Polecany dla I roku Nie
Egzamin Nie

Opis przedmiotu:

** Przedmiot jest prowadzony przez Grzegorza Latosińskiego z Antmicro. ** Celem przedmiotu jest przedstawienie procesu optymalizacji głębokich sieci neuronowych pod konkretne urządzenia IoT. Słuchacze będą zapoznawać się z różnymi narzędziami do optymalizacji, kompilacji i uruchamiania sieci neuronowych na urządzeniach IoT, i następnie będą wykonywać zadania wykorzystujące te narzędzia na różnych modelach głębokiego uczenia. W trakcie kursu będzie weryfikowany wpływ optymalizacji i kompilacji modeli na ich wydajność i jakość. Omawianymi technikami optymalizacji będą konwersje wag, z szczególnym uwzględnieniem kwantyzacji, techniki optymalizacji sieci na etapie uczenia, jak uczenie z uwzględnieniem kwantyzacji, regularyzacja, czy destylacja wiedzy, jak i uproszczenie sieci z użyciem algorytmów pruningu sieci. Przykładowymi kompilatorami omawianymi w trakcie kursu będą Apache TVM oraz TensorFlow Lite. Omówiony będzie proces optymalizacji i konwersji sieci pod dane urządzenie IoT, uruchamianie sieci na docelowym urządzeniu, oraz rozwijanie kompilatorów w celu wsparcia dodatkowych optymalizacji oraz urządzeń. Omówione również zostaną różne akceleratory obliczeń dla głębokich sieci neuronowych, wraz z opisem ich działania.

Wykłady

Lista
Prowadzący Termin zajęć Limit Zapisani Kolejka
Grzegorz Latosiński
zdalna
pt 13:00-14:00 (s. ) 15 16 0

UWAGA! Wyższa liczba oznacza wyższy priorytet, po zapisaniu do grupy zostajemy usunięci z kolejek o niższym priorytecie.

Pracownie

Lista
Prowadzący Termin zajęć Limit Zapisani Kolejka
Grzegorz Latosiński
zdalna
pt 14:00-15:00 (s. ) 15 16 0

UWAGA! Wyższa liczba oznacza wyższy priorytet, po zapisaniu do grupy zostajemy usunięci z kolejek o niższym priorytecie.


Konsultacje prowadzących:


Imię i nazwisko Pokój Konsultacje
Grzegorz Latosiński