会员服务
人工智能 · 深度学习 · 斯坦福大学 (Stanford University) · Zhihao Jia · Todd Warszawski ·
2019 年 12 月 22 日
【斯坦福大学】TASO:基于深度学习优化的自动生成图变换 （TASO: Optimizing Deep Learning with Automatic Generation of Graph Substitutions），35页ppt
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

主题： TASO: Optimizing Deep Learning with Automatic Generation of Graph Substitutions

目录：

  • 当前基于规则的DNN优化
  • 基于规则的优化的局限性
  • 激励样本
  • 图替换
  • TASO工作流
  • 关键挑战
  • 图替换生成器
  • 图替换验证器
  • 验证工作流
  • 基于搜索的图优化器
  • 总结

作者简介： Zhihao Jia，斯坦福大学计算机科学系的博士。

Todd Warszawski，斯坦福大学计算机科学博士生。

成为VIP会员查看完整内容
https://sampl.cs.washington.edu/tvmconf/slides/2019/Zhihao-Jia-TASO.pdf
10

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。
知识图谱推理，50页ppt，Salesforce首席科学家Richard Socher
知识图谱推理，50页ppt，Salesforce首席科学家Richard Socher
专知会员服务
111+阅读 · 2020年6月10日
【CNN解释器】CNN EXPLAINER: Learning Convolutional Neural Networks with Interactive Visualization Zijie J. Wang, Robert Turko, Omar Shaikh, Haekyu Park, N
【CNN解释器】CNN EXPLAINER: Learning Convolutional Neural Networks with Interactive Visualization Zijie J. Wang, Robert Turko, Omar Shaikh, Haekyu Park, N
专知会员服务
34+阅读 · 2020年4月30日
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
专知会员服务
131+阅读 · 2020年4月19日
最大均方差正则化贝叶斯神经网络，Bayesian Neural Networks With Maximum Mean Discrepancy Regularization
最大均方差正则化贝叶斯神经网络，Bayesian Neural Networks With Maximum Mean Discrepancy Regularization
专知会员服务
54+阅读 · 2020年3月5日
【AAAI2020论文】使用GANs生成科学文章的关键短语（Keyphrase Generation for Scientific Articles using GANs）
【AAAI2020论文】使用GANs生成科学文章的关键短语（Keyphrase Generation for Scientific Articles using GANs）
专知会员服务
22+阅读 · 2019年11月15日
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning，33页ppt
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning，33页ppt
专知
72+阅读 · 2020年2月29日
【斯坦福大学课程】深度多任务学习与元学习，CS 330: Deep Multi-Task and Meta Learning
【斯坦福大学课程】深度多任务学习与元学习，CS 330: Deep Multi-Task and Meta Learning
专知
29+阅读 · 2019年9月27日
介绍高维超参数调整 - 优化ML模型的最佳实践
介绍高维超参数调整 - 优化ML模型的最佳实践
AI研习社
7+阅读 · 2019年4月17日
PyTorch机器学习自动化：自动框架搜索、超参优化
PyTorch机器学习自动化：自动框架搜索、超参优化
专知
9+阅读 · 2019年1月7日
【下载】最新TensorFlow专业深度学习实战书籍和代码《Pro Deep Learning with TensorFlow》
【下载】最新TensorFlow专业深度学习实战书籍和代码《Pro Deep Learning with TensorFlow》
专知
37+阅读 · 2017年12月16日
Learning to Propagate for Graph Meta-Learning
Arxiv
14+阅读 · 2019年9月11日
Deep Learning for Energy Markets
Deep Learning for Energy Markets
Arxiv
10+阅读 · 2019年4月10日
Learning Discrete Structures for Graph Neural Networks
Arxiv
17+阅读 · 2019年3月28日
Paraphrase Generation with Deep Reinforcement Learning
Paraphrase Generation with Deep Reinforcement Learning
Arxiv
4+阅读 · 2018年8月23日
Generating Adversarial Examples with Adversarial Networks
Arxiv
10+阅读 · 2018年1月15日
VIP会员
相关主题
人工智能
深度学习
斯坦福大学 (Stanford University)
Zhihao Jia
Todd Warszawski
相关VIP内容
知识图谱推理，50页ppt，Salesforce首席科学家Richard Socher
知识图谱推理，50页ppt，Salesforce首席科学家Richard Socher
专知会员服务
111+阅读 · 2020年6月10日
【CNN解释器】CNN EXPLAINER: Learning Convolutional Neural Networks with Interactive Visualization Zijie J. Wang, Robert Turko, Omar Shaikh, Haekyu Park, N
【CNN解释器】CNN EXPLAINER: Learning Convolutional Neural Networks with Interactive Visualization Zijie J. Wang, Robert Turko, Omar Shaikh, Haekyu Park, N
专知会员服务
34+阅读 · 2020年4月30日
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
专知会员服务
131+阅读 · 2020年4月19日
最大均方差正则化贝叶斯神经网络，Bayesian Neural Networks With Maximum Mean Discrepancy Regularization
最大均方差正则化贝叶斯神经网络，Bayesian Neural Networks With Maximum Mean Discrepancy Regularization
专知会员服务
54+阅读 · 2020年3月5日
【AAAI2020论文】使用GANs生成科学文章的关键短语（Keyphrase Generation for Scientific Articles using GANs）
【AAAI2020论文】使用GANs生成科学文章的关键短语（Keyphrase Generation for Scientific Articles using GANs）
专知会员服务
22+阅读 · 2019年11月15日
热门VIP内容
相关资讯
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning，33页ppt
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning，33页ppt
专知
72+阅读 · 2020年2月29日
【斯坦福大学课程】深度多任务学习与元学习，CS 330: Deep Multi-Task and Meta Learning
【斯坦福大学课程】深度多任务学习与元学习，CS 330: Deep Multi-Task and Meta Learning
专知
29+阅读 · 2019年9月27日
介绍高维超参数调整 - 优化ML模型的最佳实践
介绍高维超参数调整 - 优化ML模型的最佳实践
AI研习社
7+阅读 · 2019年4月17日
PyTorch机器学习自动化：自动框架搜索、超参优化
PyTorch机器学习自动化：自动框架搜索、超参优化
专知
9+阅读 · 2019年1月7日
【下载】最新TensorFlow专业深度学习实战书籍和代码《Pro Deep Learning with TensorFlow》
【下载】最新TensorFlow专业深度学习实战书籍和代码《Pro Deep Learning with TensorFlow》
专知
37+阅读 · 2017年12月16日
相关论文
Learning to Propagate for Graph Meta-Learning
Arxiv
14+阅读 · 2019年9月11日
Deep Learning for Energy Markets
Deep Learning for Energy Markets
Arxiv
10+阅读 · 2019年4月10日
Learning Discrete Structures for Graph Neural Networks
Arxiv
17+阅读 · 2019年3月28日
Paraphrase Generation with Deep Reinforcement Learning
Paraphrase Generation with Deep Reinforcement Learning
Arxiv
4+阅读 · 2018年8月23日
Generating Adversarial Examples with Adversarial Networks
Arxiv
10+阅读 · 2018年1月15日
微信扫码咨询专知VIP会员
Top