机器学习实践:模型加速与数据安全
活动时间:9 月 12 日下午 14:00-16:25
直播链接:BiliBili 平台 https://live.bilibili.com/21917305
活动背景:本次活动为 GDG Shanghai AI 嘉年华系列分享之一。
活动日程:
14:00-14:05
开场介绍及抽奖扫码
14:05-14:50
《隐私计算与机器学习》谢翔,矩阵元算法科学家
14:50-15:35
《58同城深度学习平台资源使用率优化实践》陈泽龙,58同城 AI Lab 后端高级工程师
15:35-16:20
《英特尔深度学习低精度量化原理和方法介绍》田丰,英特尔人工智能性能优化团队资深软件工程师
16:20-16:25
公布中奖名单
讲师介绍:
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。
议题:隐私计算与机器学习
隐私计算的技术路径
密码学与 ML 的结合
基于 TensorFlow 的隐私计算框架 — Rosetta
实例演示
陈泽龙
58同城AI Lab后端高级工程师
19 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。硕士毕业于中国科学院大学,曾就职于中科院信工所。
议题:58 同城深度学习平台资源使用率优化实践
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:英特尔深度学习低精度量化原理和方法介绍
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。
— 主办方 —