mirror of
https://github.com/PKUFlyingPig/cs-self-learning.git
synced 2026-06-26 19:37:23 +08:00
30 lines
1.5 KiB
Markdown
30 lines
1.5 KiB
Markdown
# TinyML and Efficient Deep Learning Computing
|
||
|
||
## 课程简介
|
||
|
||
- 所属大学：MIT
|
||
- 先修要求：Machine Learning, Deep Learning
|
||
- 编程语言：Python
|
||
- 课程难度：主要在于读论文吧
|
||
- 预计学时：
|
||
|
||
<!-- 用一两段话介绍这门课程，内容包括但不限于：
|
||
（1）课程覆盖的知识点范围
|
||
（2）与同类课程相比它的优势与特点
|
||
（3）学习这门课程的体验与感受
|
||
（4）自学这门课的注意点（踩过的坑、难度预警等等）
|
||
（5）... ...
|
||
-->
|
||
|
||
介绍关于深度学习神经网络模型量化，剪枝，蒸馏，性能优化等等相关内容，每一节课本质上都是介绍几十篇经典论文，老师讲课更多是一种introduction。感觉是很前沿的方向，所以很多内容都是半年甚至几个月之前的成果，很与时俱进，2024fall的也已经开始了。全部视频录像和pdf课件都是公开的。
|
||
|
||
其中有一些嵌入式DL，甚至学期最后有一些量子计算的内容，也是很全面包罗万象了，如果只是对于模型量化等感兴趣，感觉也可以只看相关内容，然后顺藤摸瓜去看论文。
|
||
|
||
我没有去做作业，但是看2023fall课堂介绍的内容，作业对硬件要求不是很高，完全通过colab即可完成，特殊情况下只需要冲一个colab小会员即可，不像现在一些DL的课，对硬件要求比较高。
|
||
|
||
## 课程资源
|
||
|
||
- 课程网站：<https://efficientml.ai>
|
||
- 课程视频：见官网，youtube
|
||
- 课程教材：见官网
|
||
- 课程作业：见官网
|