坐标北京，Paddle Lite​ 线下交流会，助力算法落地

Posted 2021-04-01 我爱计算机视觉

特别适合企业界朋友的最新推理技术沙龙。

今年 8 月，百度深度学习平台飞桨 (PaddlePaddle) 对端侧推理引擎进行全新升级，重磅发布 Paddle Lite，旨在推动人工智能应用在端侧更好落地。通过对底层架构设计的改进，拓展性和兼容性等方面实现显著提升，目前，Paddle Lite 已经支持了 ARM CPU，Mali GPU，Adreno GPU，华为 NPU 以及 FPGA 等诸多硬件平台，是目前 首个支持华为 NPU 在线编译的深度学习推理框架。

9 月 21 日，【百度 AI 快车道企业深度学习实战营】 走进北京百度科技园，由百度深度学习技术平台资深架构师、百度深度学习平台系统工程师主讲，详细解读 Paddle Lite 的技术特点、使用方法和相关应用。通过现场实践来实现目标检测模型在手机上的部署，完整体验 Paddle Lite 在实际业务中的应用。此外还有在 FPGA 设备上进行蔬菜识别部署等多个趣味实践，帮助来到现场的你进行深度学习的实战练习。

活动主题：

• Paddle Lite

活动时间：

• 2019 年 9 月 21 日

活动地点：

• 北京·百度科技园

课程安排：

• 13:30–14:00 签到，现场交流
• 14:00–14:15 百度深度学习平台 - 飞桨全景介绍
• 14:15–15:00 Paddle Lite 深度技术解读及应用
• 15:00–15:30 Q&A
• 15:50-16:50 基于 Paddle Lite 的移动端目标检测部署实战
• 16:50–18:00 Paddle Lite 在 Edgeboard（FPGA）上的部署实践

扫码立即报名

关于 Paddle Lite

Paddle Lite 的架构有一系列自主研发技术，整合了百度内部多个预测库架构优势能力，并重点增加了多种计算模式（硬件、量化方法、 Data Layout ）混合调度的完备性设计，新架构设计如下：

• 其中最上面一层是模型层，直接接受 Paddle 训练的模型，通过模型优化工具转化为 NaiveBuffer 特殊格式，以便更好地适应移动端的部署场景。
• 第二层是程序层，是 operator 序列构成的执行程序。
• 第三层是一个完整的分析模块，包括了 MIR （ Machine IR ） 相关模块，能够对原有的模型的计算图针对具体的硬件列表进行算子融合、计算裁剪在内的多种优化。不同于飞桨训练过程中的 IR （ Internal Representation ），硬件和执行信息也在这一层加入到分析中。
• 最底层是执行层，也就是一个 Kernel 序列构成的 Runtime Program 。执行层的框架调度框架极低，只涉及到 Kernel 的执行，且可以单独部署，以支持极致的轻量级部署。

整体上来看，不仅着重考虑了对多硬件和平台的支持，而且也强化了多个硬件在一个模型中混合执行的能力、多个层面的性能优化处理，以及对端侧应用的轻量化设计。

干货满满的现场，行业 A 级的导师，还有一群志同道合的小伙伴，还在等什么？活动限额免费 30 人！赶快扫描下方二维码或者点击 阅读原文 报名参加吧！