本系列课程,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,帮助开发者通过线上课程掌握基本知识和技能。
开设学校:北京旷视科技有限公司;学科:计算机、
本系列课程,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,帮助开发者通过线上课程掌握基本知识和技能。
-3.2 以 CIFAR 10 为例训练 ResNet 18 网络
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,负责微软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。
刘清一,毕业于北京大学数学科学学院,旷视研究院深度学习框架研究员,负责 MegEngine 分布式训练和 GPU 间通信的开发,加入旷视之前曾经在百度参与大规模分布式计算平台的开发,对分布式系统有一些经验和积累。
周亦庄,毕业于清华大学,旷视研究院基础模型算法研究员,负责 MegEngine的模型库构建、NAS算法以及多机多卡训练系统,对模型训练有丰富经验。
赵凯, 毕业于四川大学,旷视科技移动业务团队高级工程师,加入旷视前就职于联发科从事手机安卓底层开发。目前主要工作是基于深度学习的视频类效果算法实现、应用及优化。
王鹏,毕业于成都理工大学,旷视科技多摄算法研究员,方向为多视图三维重建与深度学习融合,参与实时预览虚化、光学变焦、超广角畸变、单目深度估计等多个项目的研发与落地。
王枫老师,旷视研究院基础检测组算法研究员,硕士毕业于中科院计算所。曾在文字检测的著名赛事ICDAR中ArT检测任务中担任负责人带队获得冠军。
黎泽明老师,旷视研究院基础检测组负责人,硕士毕业于清华大学。在CVPR,ICCV,ECCV等会议上发表论文十余篇。曾在物体检测的著名挑战赛COCO上作为主力取得了3连冠,并获得比赛的最佳论文奖,在CVPR19的DIW挑战赛中担任评审委员。