GDG
GDG人工智能系列分享嘉年华第四期
2020/09/12 14:00 - 17:00

活动议程

14:00-14:05 开场介绍及抽奖扫码 开场介绍活动内容、扫描二维码加入抽奖列表
14:05-14:50 谢翔 《机器学习实践:模型推理加速与数据安全》
14:50-15:35 陈泽龙《58同城深度学习平台资源使用率优化实践》
15:35-16:20 田丰 《英特尔深度学习低精度量化原理和方法介绍》
16:20-16:25 收尾 公布中奖名单,使用微信抽奖助手

嘉宾介绍

谢翔,谢翔,矩阵元算法科学家,负责公司整体隐私计算技术的预研和产品化,主导设计和开发Rosetta开源框架。中国科学院软件研究所 可信计算与保障实验室 博士
中国科学院软件研究所 信息安全国家重点实验室 硕士,格密码理论、同态加密、零知识证明、安全多方计算等密码学算法和协议设计的专家
发表论文10余篇,曾在密码学的顶尖学术会议Eurocrypt,CCS上发表论文
分享大纲:
1、什么是隐私计算,技术路径有哪些
2、密码学简介,密码学与ML的结合
3、基于TensorFlow的隐私计算框架—Rosetta
4、案例介绍

陈泽龙,58同城AI Lab后端高级工程师,2019年加入58同城,目前主要负责深度学习平台和向量检索平台后台开发相关工作。2016年硕士毕业于中国科学院大学,曾就职于中科院信工所。
议题介绍:58同城深度学习平台基于Kubernetes和Docker构建,支撑了58同城搜索、推荐、图像、NLP、语音、风控等AI应用。
本次分享首先介绍如何利用Intel开源库MKL和开源推理引擎OpenVINO提升模型推理性能,然后再分享通过TensorFlow模型混合部署、GPU虚拟化技术、模型推理资源监控告警等提升平台资源使用率。

田丰, 英特尔人工智能性能优化团队资深软件工程师,主要负责英特尔平台上TensorFlow等AI框架的性能优化和工具开发工作。
议题介绍:本课程介绍深度学习推理中低精度量化加速的原理,英特尔提供的软硬件支持。最后通过动手练习,学习使用英特尔低精度优化工具对Tensorflow模型进行量化,从而加速深度学习推理。

活动支持

英特尔AI实践日工作组

合作伙伴

TFUG、掘金、声网

参会福利拿到手软系列

  • 100元JD电子购物卡若干
  • ¥70当当图书卡若干
  • ¥199力扣会员码若干
  • 声网专属T恤若干件
  • 报名成功随机红包,限前100位报名
  • 邀请好友参会红包,微信转发本页面邀请好友报名(可拿多份)
  • 直播间活跃红包,在线时长 + 提问数量及质量为随机系数
    现金红包由示说网服务号自动推送,请务必关注示说网服务号
“回车”发送消息