Séance de cours

Accélérateurs Deep Learning : Stratégies d’optimisation

Description

Cette séance de cours explore les stratégies d'optimisation pour les accélérateurs d'apprentissage en profondeur, en se concentrant sur la réduction du mouvement des données dans les DNN grâce à des techniques telles que le traitement par lots, les optimisations de flux de données et la compression. L'instructeur explique les compromis impliqués dans le traitement par lots, les avantages des optimisations de flux de données pour l'efficacité énergétique, ainsi que les défis et le potentiel des techniques de compression. Divers concepts tels que la réutilisation du poids, la réutilisation des entrées et différentes architectures de flux de données sont explorés pour maximiser l'efficacité des accélérateurs d'apprentissage en profondeur.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.