随着大数据的发展 ，计算机芯片算力的提升 ， 人工智能近两年迎来了新一轮的爆发 。而人工智能实现超级算力的核心就是AI芯片 。 AI芯片也被称为人工智能加速器 ， 即专门用于处理人工智能应用中的大量计算任务的模块 。
2020年我国人工智能芯片市场规模约为184亿元 。 未来5G商用的普及将继续催生人工智能芯片的应用需求 ， 中国人工智能芯片行业将快速发展 ， 预计2023年市场规模将突破千亿元 。
那么 ， 如何借助AI芯片来实现特定的任务 ， 将是所有AI芯片产业人员必备的技能 。
为此 ， 贪心学院重磅推出《高性能神经网络与AI芯片应用研修课程》 ， 为想进入AI芯片行业的同学们提供一个可以大幅提升自身就业竞争力的选择 。
本课程会讲解AI芯片相关知识、高性能网络设计、通用芯片及专用芯片计算加速方法等专业技能 ， 并结合优秀编译器的架构和实现细节的讲解， 为学生构建高性能AI算法的软硬件视角 ， 能够解决应用落地时神经网络的优化和部署相关问题 。

文章图片

01
内容亮点

• 全面技术讲解：课程涵盖了轻量化神经网络设计、神经网络部署前的优化方法、神经网络编译器的设计模式和具体实现、神经网络部署到芯片上的计算加速等全面的AI嵌入式芯片设计和应用相关人员就业必备的知识 。
  
• 软硬件相结合：本课程除了全面讲解高性能神经网络相关的知识技术外 ， 还会指导学员在硬件上进行实操 。
  
• 专家导师授课：课程导师为AI芯片行业专家 ， 相关项目经验十分丰富 。
  

02
你将收获

• 掌握神经网络高性能实现的算法及工具
  
• 掌握通用芯片及专用AI芯片架构及网络加速技术
  
• 掌握通用芯片及专用AI芯片神经网络部署应用的实际案例
  
• 短期内对一个领域有全面的认识 ， 大大节省学习时间
  
• 认识一群拥有同样兴趣的人、相互交流、相互学习
  

感兴趣的请添加咨询顾问
03
项目介绍
▌项目1
项目名称：模型轻量化
项目内容描述：mobilenet、shufflenet、squeezenet等 ， 模型量化、剪枝和蒸馏技术 ， 网络的计算量和内存分析的工具 ， 主干网络的轻量化 ， 检测网络的轻量化 ， 分割网络的轻量化 ， 不同框架提供的加速方案 。
项目使用的数据集：COCO ， ADE20k ， ImageNet
项目使用的算法：模型量化 ， 模型剪枝和模型蒸馏
项目使用的工具：python ， c/c++ ， pytorch ， tensorflow ， distiller ， ncnn
项目预期结果：学员掌握轻量化网络设计准则 ， 模型轻量化技术 ， 能够上手操作一 个网络部署前的优化 。
项目对应第几周的课程：1~4周
▌项目2
项目名称：神经网络编译器
项目内容描述：tvm ， ncnn ， mnn ， tnn 各自的特点 ， 对于神经网络的优化方案 ， tvm的具体设备的优化方案 ， 算子融合 ， 路径优化 ， 内存优化 ， ncnn的网络的表示数据结构 ， ncnn的一些优化计算的思路 ， 量化方法 ， mnn中的数据结构 ， 模型转换和量化方法 ， tnn和ncnn的区别 ， 系统架构 ， 量化方法 。
项目使用的算法：离线量化 ， 在线感知量化
项目使用的工具：python ， c/c++ ， tvm ， ncnn ， tnn ， mnn
项目预期结果：学员对于神经网络编译器有全面的了解 ， 对于主流神经网络编译器能够实践使用 ， 完成模型到芯片所需要格式的转换 。