中国科学院计算技术研究所烟台分所举办《2018最新深度学习理论与实战及GPU高性能计算解决方案应用

2018年4月13日 8:00 至 2018年4月16日 18:00 ，中国科学院计算技术研究所烟台分所在 济南·山东大学中心校区计算中心·举办《2018最新深度学习理论与实战及GPU高性能计算解决方案应用 》，会议大约有50人参加。

会议通知

---

2018最新深度学习理论与实战及GPU高性能计算解决方案应用 宣传图

关于举办“深度学习理论与实战及GPU高性能计算解决方案应用”高级培训班的通知

各有关学校：

      随着人工智能（AI）特别是深度学习（Deep Learning）近年来的飞速发展，在多个领域的成功应用，已经成为当前学术界和各行业最炙手可热的研究应用方向。不仅广泛应用于搜索引擎、电子商务、社交网络等互联网服务，并且在计算视觉、自然语言处理、金融、生物医药等行业AI的研究与应用也呈现爆发式增长。同时由于深度学习（Deep Learning）需要处理的海量数据非常庞大，GPU（CUDA、OPENACC、OPENCL）计算在人工智能/深度学习领域展现出相比传统CPU计算巨大的优势，极大的提高了计算能力，降低时间成本，已经成为深度学习计算的首选解决方案。为加强AI技术的创新发展和应用，培养社会急缺的深度学习专业人才，中国科学院计算技术研究所烟台分所特别邀请深度学习领域的专家，举办“深度学习理论与实战及GPU高性能计算解决方案应用“高级培训班。

主办单位： 中国科学院计算技术研究所烟台分所   烟台中科网络技术研究所

承办单位： 北京中科云畅应用技术研究院

培训目标：通过讲授机器学习和深度学习理论及算法，让学员对机器学习、深度学习技术方法有深入的理解，同时学习深度学习开源平台的开发方法，学习并实践深度学习GPU计算解决方案。

培训对象：院校计算机专业、网络通信专业、电子工程专业、信息计算科学专业、统计学专业等对AI /深度学习技术及研发感兴趣的老师、研究生等。相关从事大数据、数据挖掘、机器学习、计算视觉、自然语言处理、人机交互等领域研发的单位的技术部门、IT企业的工程师、研发负责人、算法工程师等。

培训方式:  1、培训讲座；     2、高性能计算环境下的上机实操；   3、专题小组研讨与案例讲解分析结合；                                                                                                                                                                                                       

主讲专家：

主讲专家来自中科院及高校的深度学习和高性能计算高级专家，拥有丰富的科研及工程技术经验，长期从事计算领域国家重大项目研究，具有资深的技术底蕴和专业背景。

证书颁发：

学员经培训考试合格后可以获得：由中国科学院计算技术研究所烟台分所颁发的培训证书。

备注：请学员自带身份证复印件一张（办理证书使用）

此次培训全程在山东大学机房上课 ，每人一台电脑，理论结合案例全程上机实操，限额人数35人，如要参会请及时联系会务组冯老师安排报名，另外完成报名工作之后的学员可以提前把感兴趣的内容和要解决的问题编辑一下带到培训现场，到时与主讲老师及其他参会学员交流学习！

计算所烟台分所是面向网络应用技术的研究机构，在地方挂“烟台中科网络技术研究所（烟台网络所）”牌子，是烟台市政府批准设立的事业单位。　　烟台网络所与中科院计算所网络数据科学与工程研究中心共同承担了天玑系列大规模网络数据处理系统的研发工作，并作为天玑网络数据系统的研发和产业化基地。　　定位为将国家战略需求和地方产业需求紧密结合的新型研究所，明确“一个方向”——以海量网络信息处理为主要发展方向，建设海量网络数据计算平台、大规模网络仿真平台、互联网深度信息服务平台这“三大平台”。

会议日程 （最终日程以会议现场为准）

---

培训时间地点：   2018年 4月13日 — 2018年4月16日    济南（山东大学）

（第一天报到，培训三天）

一、人工智能、机器学习、深度学习的历史和基本思想	1，人工智能概述、机器学习概述及基本思想 2，深度学习的前生今世、发展趋势 3，深度学习的主要模型及应用场景
二、生成性对抗网络GAN	1， GAN的理论知识    2， GAN经典模型： CGAN LAPGAN DCGAN 3，GAN实际应用： DCGAN提高模糊图片分辨率
三、卷积神经网络	1，CNN卷积神经网络： 卷积层（一维卷积、二维卷积） 池化层（均值池化、最大池化） 全连接层     激活函数层     Softmax层 2，CNN卷积神经网络改进： R-CNN （SPPNET）   Fast-R-CNN   Faster-R-CNN （YOLO、SSD） 3， CNN应用案例： CNN与手写数字集分类 YOLO实现目标检测 PixelNet原理与实现 利用卷积神经网络做图像风格结合
四、循环神经网络	1， RNN循环神经网络： 梯度计算 BPTT 2， RNN循环神经网络改进： LSTM       Bi-RNN  3，RNN实际应用： Seq2Seq的原理与实现
五、强化学习	1， 强化学习的原理； 2， RL实际应用；
六、迁移学习	1，迁移学习的理论概述； 2，迁移学习的常见方法： 特征、实例、数据、深度迁移、强化迁移、研究案例；
一、 GPU通用计算	1、高性能计算的应用场景和实际意义； 2、CPU/GPU体系结构对比介绍： 流水线、多核、缓存、访存、通信模型、分支预测等； 3、HPC场景：GPU加速高性能计算； 4、AI场景：GPU加速深度学习； 5、AI+HPC场景： 深度学习应用耗时分析 矩阵乘和卷积 对应的GPU解决方案；
二、 GPU高性能计算	1、搭建高性能计算平台，CUDA开发环境搭建和工具配置； 2、CUDA基础： API、数据并行、线程模型、存储模型、控制、同步、并发和通信、加速比； 3、CUDA优化进阶： 线程组织调度，访存优化，数据传输，原子操作； 4、GPU并行计算模式及案例分析； 5、CUDA 9新特性；
	GPU高性能上机实操： 1、向量加； 2、深度学习瓶颈函数的GPU实现：矩阵乘，卷积；
三、 GPU深度学习	1、搭建深度学习平台，深度学习显卡选型； 2、Pascal架构和Volta架构； 3、深度学习GPU解决方案： 3.1基于GPU的交互式深度学习训练平台：DIGITS； 3.2深度学习框架的GPU加速：TensorFlow，Caffe等； 3.3 NVIDIA深度学习SDK：cuDNN，TensorRT，NCCL；
	GPU深度学习上机实操： 1、Caffe，TensorFlow等通用深度学习框架的GPU加速库cuDNN的使用； 2、深度学习推理引擎TensorRT的使用；

会议嘉宾

即将更新，敬请期待

参会指南

---

培训费用：每人 3900

元（含报名费、培训费、资料费），食宿可统一安排，费用自理。

团体优惠：“4+1”团体优惠，即同一单位同时有5位学员参会，该单位可以享受1个免费名额。