- ```直播-Lecture```: 核心的知识点 - ```直播-Workshop```: 代码实战、复习课、主题分享、论文讲解，论文解读等 | 日期 | 主题 | 讲师 | 知识点详情 | 课件 | 相关阅读 | 其 他 | 作业 | |---------|---------|---------|---------|---------|---------|---------|---------| | PART 1<br>前期基础复习|||<br>[课程文档](https://shimo.im/docs/9w8Q8wkPrxGxWPcq)<br>|[D2课程资料包](http://47.94.6.102/Architect/Data/blob/master/D2%E8%AF%BE%E7%A8%8B%E8%B5%84%E6%96%99%E5%8C%85%20(1).zip)<br><br>[tacotron2](http://47.94.6.102/Architect/Paper/blob/master/tacotron2%20(2).pdf)||||| |10月18日<br>周日<br>10：00|lecture1<br>基础理论及课程介绍|任老师|l课程安排与三大项目介绍（图像+语音+推荐）<br>l高性能计算技术深度学习应用概览。<br>l矩阵计算基础理论及应用。<br>lCupy矩阵加速技术。<br>lNumba编译加速技术。|[lecture课件](http://47.94.6.102/Architect/course-info/blob/master/D2%E8%AF%BE%E7%A8%8B%E8%B5%84%E6%96%99%E5%8C%85.zip)|||| |10月18日<br>周日<br>19：00|review1<br>|任老师||[论文](http://47.94.6.102/Architect/course-info/blob/master/tacotron2.pdf)||| |10月25日<br>周日<br>10：00|lecture2<br>并行及分布式框架概述|任老师|l 经典并行化方案介绍。<br>l OPENMP详细介绍。<br>l MPI技术详细介绍。<br>l Nvidia 集合通信NCCL 技术介绍。|[课件周六更新]()|||| |10月25日<br>周日<br>21：00|Paper<br>如何阅读Paper|张老师|关于NLP文献的选择和阅读<br>Paper课程的内容与目标|[]()||| | PART 2<br>目标检测项目|||项目目标：<br>通过第一个CV项目，掌握并能够上手自己动手实现卷积等常规的神经网络算子，使用深度学习完成目标检测项目的部署。| |<br>|Lecture3<br>经典卷积网络回顾|任老师|l经典卷积网络模型回顾，从Lenet到Resnet。 <br>l卷积参数设计及应用详解(分组卷积，空洞卷积等)。 <br>l卷积层的正向和反向传播算法。 <br>l卷积层的计算优化技术。|[]()||| |<br>|Lecture4<br>目标检测算法|任老师|l RCNN系列<br>l YoLo系列<br>l SSD。<br>l Tensorrt框架入门。|[]()||| |<br>|Lecture5<br>NvidiaTensort核心算法和Plugin开发|任老师|l TensoRT 量化技术。<br>l TensoRT混合推理的原理。<br>l TensoRT的Plugin开发流程。|[]()||| | PART 3<br>个性化语音合成项目实战|||| |<br>|Lecture6<br>个性化语音合成项目全貌概览|任老师|l 合成项目整体介绍。<br>l 声纹提取网络结构。<br>l Tacotron/Tacoton2 结构介绍。<br>l Wavenet、WaveRNN、WaveGlow 结构介绍|[]()||| |<br>|Lecture7<br>计算图表示及优化|任老师|l ONNX计算图表示方法介绍。<br>l ONNX 图优化的常用技术。<br>l Pytorch模型转ONNX技术介绍。|[]()||| |<br>|Lecture8<br>Attention-Based <br>Seq2Seq模型Tacotron2|任老师|l Tacotron2模型整体结构。<br>l attention技术回顾。<br>l teacher forcing技术。<br>l GRU算法的TensorRT实现。|[]()||| |<br>|Lecture9<br>声码器:Wave序列生成算法实战|任老师||声码器技术回顾。<br>lwavenet模型解读。<br>lWaveRNN模型解读。<br>lWaveGLow模型解读。|[]()||| | PART 4<br>分布式推荐系统|||| |<br>|Lecture10<br>推荐系统概览|任老师|l 常用推荐算法概述。<br>l LR的简单新闻推荐系统。<br>l 常用Layer的前向传播和反向传播算法。以fc和pooling为例。|[]()||| |<br>|Lecture11<br>分布式参数服务器|任老师|l 参数服务器概述。<br>l 分布式环境下的SGD算法。<br>l Range 查询技术。|[]()||| |<br>|Lecture12<br>分布式推荐系统实战|任老师|l FM算法详细详细介绍。<br>l DeepFM算法详细介绍。<br>l 稀疏矩阵的全局参数更新算法。|[]()||| | PART 5<br>深度学习高级主题|||| |<br>|Lecture13<br>深度学习架构演进|任老师|l 主流深度学习框架的核心设计思路对比。<br>第一代系统<br>第二代系统 <br>第三代系统|[]()||| |<br>|Lecture14<br>训练加速高级技术1|任老师|l Local SGD原理。 <br>l 并行执行器设计。|[]()||| |<br>|Lecture15<br>训练加速高级技术2|任老师|l 深度学习框架分布式通信技术。<br>l 深度学习框架计算图fuse技术。|[]()||| |<br>|Lecture16<br>结业答辩|任老师||[]()|||