原标题：当HPC碰撞AI |“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

想搞清楚如何优化矩阵乘法和卷积吗？如何用CPU+GPU加速你的程序？学完本次课程，你会找到答案...

● AI(Artificial Intelligence，人工智能)

● DL（Deep Learning，深度学习）

● ML（Machine Learning，机器学习）

● 高性能计算（High Performance Computing, HPC）

● 并行计算（Parallel Computing）

● 超级计算（supercomputing）

● E级计算（Exascale computing）

● 异构计算（Heterogeneous computing）

● GPU通用计算

（GPGPU，General PurposeGPU，CUDA，OpenCL，OpenACC）

● 并行计算基础（MPI，OpenMP，Pthread）

加速卡（CPU，GPU，APU，FPGA，MIC）

深度学习DL和人工智能AI是当下最炙手可热的技术趋势，将成为技术行业基础设施的核心组成部分。

深度学习训练需要大量的计算资源，GPU目前是深度学习最常使用的计算加速硬件。相对于CPU来说，GPU更便宜（达到同样的计算能力GPU一般便宜10倍），而且计算更加密集（一台服务器可以搭配1/2/4/8/16块GPU），深度学习时代，训练过程，GPU为主CPU为辅。主流的深度学习评测benchmark，都聚焦用GPU来做测试，用CPU对比已经没有太大意义。

GPU的价值不止体现在深度学习，在高性能计算、物联网、人工智能、生物信息、分子模拟、计算化学、材料力学、系统仿真、流体力学、机械设计、生物制药、航空动力、地质勘探、气候模拟等领域，算法越来越复杂，需要处理的海量数据越来越巨大，高性能计算能力就显得尤为重要。GPU 高性能计算程序设计最大限度的利用硬件资源，提高了计算能力，降低时间成本，加速研发进度。

深度学习网络的计算里，最关键的是两种计算：如果是一个全连接层，它的计算主要是矩阵乘法；如果你是卷积层，核心计算是卷积计算。主流的深度卷积网络里，超过80%的计算源于卷积计算，一般的深度网络在最后一两层才用到全连接层，所以这个卷积操作其实是深度学习里最关键的核心技术。

NVIDIA针对深度学习的计算，有一套完整的解决方案，cuDNN已经成为主流深度学习框架调用的深度学习GPU函数库，包含完整的矩阵乘法和卷积计算的实现，但并不开源。

想搞清楚如何优化矩阵乘法和卷积吗？

如何用CPU+GPU加速你的程序？

学完本次课程，你会找到答案。

之前培训照片

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。

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；

培训课程：

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。

注：请学员带身份证复印件一张。请自带笔记本电脑。

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

北京中科云畅应用技术研究院

培训时间地点

2017年10月27日 — 2017年10月 30日

济 南（第一天报到，培训三天）

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。

报名方式如下

1.报名邮箱：Karena@cudatek.com

2.关注微信号：cudatek 后台报名

3.报名电话：021-54181199

报 名 者 打 9折 优 惠！！！ 返回搜狐，查看更多