ディープラーニングの基礎とモデル軽量化技術への応用とテクニック　＜オンラインセミナー＞

講師の言葉

　ディープラーニングのモデルは、その他の機械学習モデルと比べて推論処理に必要なメモリ使用量・演算量が膨大であり、さらにそれらを多く必要とするモデルほど性能（認識精度など）が良くなる傾向があります。一般に、メモリ使用量や演算量は、処理速度・消費電力・部品コスト等に直接関わるため、なるべく小さく抑えたいところです。

　そのようなニーズに対し、ディープラーニングモデルの性能をできる限り維持しつつメモリ使用量・演算量を削減する軽量化技術が登場し、研究が進められています。

　本講演では、画像認識問題を題材として、まず軽量化の観点からディープラーニングの基礎を説明した後、様々な軽量化技術のテクニックを紹介していきます。

　各テクニックに関しては、AI系の有力国際会議（CVPR、ICLRなど）やプレプリントサーバ（ArXiv）に掲載されている最新技術を主に扱い、理論的な厳密さよりもイメージやコンセプト重視でわかりやすくご説明します。

こちらのセミナーは受付を終了しました。

次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。