当前位置:看书小说 > 都市小说 > 科学研想,学霸的强国之路 > 第74章 院士大佬第一节课就点名王宇

第74章 院士大佬第一节课就点名王宇

<< 上一章 返回目录 下一章 >>
    林奇院士,目前兼任着华清计算机院的院长,也一直有着代理叉班教学工作在身,不过这学期自打开课之后,同学们几乎就没怎么见过。

    院士分为工程院院士和科学院院士,担任者都是些德高望重并且为国家做出过特殊贡献,本身又在各个领域出类拔萃之人才能获此殊荣。

    每两年一次推荐选拔递进,全国范围科研院所遴选。

    需要两名以上院士推荐,其中成为院士的一项硬性条件十分苛刻。

    院士候选人需要在院士大会被提名后,获得赞同票的份额,不少于投票人数的三分之二才能通过。

    光凭这一点就能看出,想成为院士的难度之大。

    不光要有杰出贡献,还必须具备崇高的品德,学问或者技术在该领域也得时持牛耳者。

    以上这些条件可谓是缺一不可,这些位国宝级人才本身德才兼备,想在他们跟前走人情路线简直痴心妄想,就算行政命令都不见得买账。

    而且上边明确规定,院士队伍之中,60岁以下群体,也必须保持三分之一。

    光看这一项项硬性条件,不难看出,国家对此有多重视,可谓是方方面面都提前想到了,并付诸于实施。

    比如处级以上官员不能进入候选人名单,这样不成文的隐性条件还有许多,方方面面都得达到才行。

    而理论和技术高绝之辈的大佬,还可以获得两院院士这一殊荣!

    林奇院士,便是这样级别的存在

    光简介,就满满一长篇,华清大学计算机科学技术学院院长,华清数字研究所所长,国家工程实验室主任,还兼任许多地方实验室主任等等。

    之后还有一系列计算机领域成就

    出版原理性著作6部

    发表论文百余篇

    推动了从研究成果向产业的转化,为我国计算机领域在国际中的话语权作出杰出贡献!

    王宇关闭了林奇院士的简介,这也是他第一次对院士这一称谓产生了浓厚兴趣;

    次日,学子们三五成群的按照以往时间,熟悉的教室,熟悉的学员,唯一不同的便是讲课之人。

    给叉班上课的课堂,座无虚席,时常有计算机系大三大四的蹭课师兄,都快赶上叉班本部人数之多

    可见这部分顶阶的教育资源有多么的稀缺,好学上进的学子在顶阶学府更是数不胜数,都清楚自身学习的目的。

    林院士头发花白,不像一些专家学者那般头发稀疏。

    讲台上,西装革履,梳着一个偏分,虽然上了些年纪,不难看出,年轻时也是个帅气青年!

    “抱歉啊,前段时间有个研究课题,处于关键节点实在无法抽身,耽搁了一段时间,最近我会集中精力把之前落下的课程补上下面开始上课。”

    林院士言简意赅的说道,与知识无关之事尽量略过。

    小教室内,幕布缓缓落下,随着投影仪打在幕布上的标题以及图形显示,百十来双眼睛齐刷刷的紧盯今日课堂内容。

    “今天我们讲的概念是,轻量化卷积神经网络!”

    “在讲课之前我先问一下,哪位是王宇同学?”

    话音刚落,教室内一阵低声窃窃私语,更有计算机学院蹭课学生东张西望。

    王宇懵懂的站起身,十分诧异为什么林院士会问起自己,更让他没想到的是为什么堂堂院士,所上的第一节课还没开讲就点到了他的名字。

    随着林院士的话音落下,低声议论声过后,一百多双眼睛齐刷刷的望向前排站起身的王宇,让其稍微有点不适应被聚焦的感觉。

    “嗯,行坐下吧!”林院士报以微笑点头,然后示意他坐下。

    只听林院士继续说道:

    “这节课有些内容被我更新修改过,和以往稍微有些不同。

    更新内容一部分是介于受到王同学论文内容启发,请原谅我没经过你的允许,就擅自借用了你所提出的部分理论知识。

    不过在我看来,王同学应该不会介意,因为我只是借用一些原理概念。

    反正论文过段时间也会发表,咱们叉班的课程,又一直处在理论前沿领域,咱们只是用于进行公益性质教学”

    在听到林院士磊落的话语,台下的王宇回以善意微笑,赶忙摆手,表示老师这番解释有些过滤,完全没有必要。

    林院士此举,既有欣赏提携之意在其中,又有隐隐树立标杆学生之意在内。

    “好,下面我们进入正题,卷积神经网络,一般可适合用于当今社会,在计算资源受限的设备上进行高效的图像分类任务。

    它采用了一些创新的设计,来减少模型的计算量和参数数量,同时由于极好的性能。

    在经过深度开发之后,可以广泛应用到移动设备的应用上:

    如人脸识别解锁、视频特效、侦测测体温、重复识别等等场景

    这段时间我们主要讲的是,如何利用当今互联的网庞大数据,对卷积神经网络用知识蒸馏的方法给他进行层层分类。

    之前你们学习知识蒸馏时,我们是要把冗余大模型抽取成轻量化小模型,这其实就对应着轻量化网络其中的一个技术路线。

    我总结了四个路线如下:

    压缩已经训练好的模型:知识蒸馏,权值量化,剪枝,注意力迁移

    直接训练轻量化网络:squeeze、mobile、xception、shuffle(挤压网络,移动网络,某结构或架构,混合网络)

    加速卷积运算:低秩分解,im2col+gemm(图像到矩阵+通用矩阵乘法)等等

    最后才会涉及到硬件的部署:tensorrt(张量实时)、tensorflow-slim(张量流-精简)、fpga(现场可编程门阵列)、集成电路等等

    有兴趣的同学可以课下查阅一下,张量(tensor)是数学和物理学中的一个重要概念,它一般用于描述在不同坐标系下变换具有特定规律的物理量。

    张量是一个多维数组的概念,可以表示在一些矢量、标量和其他张量之间的线性关系的多线性函数,这里就不过多叙述”

    最后这一段的专业知识讲解,现场百余人除了王宇,别说才叉班的同学,即便大三大四的师兄,也都只是听得懵懵懂懂!
<< 上一章 返回目录 下一章 >>
添加书签