2-1 百度AutoDL：自动化可解释的深度学习.pdf

《2-1 百度AutoDL：自动化可解释的深度学习.pdf》由会员分享，可在线阅读，更多相关《2-1 百度AutoDL：自动化可解释的深度学习.pdf（31页珍藏版）》请在三个皮匠报告上搜索。

1、AutoDL:自动化与可解释深度学习熊昊一百度研究院大数据实验室 百度大数据实验室自动化与可解释深度学习领域的最新科研成果 AutoDL在PaddlePaddle与PaddleHub上的重要角色 AutoDL在工业应用方面的实例 关于AutoDL的未来目标与展望演讲内容梳理深度学习的广泛应用物体识别医学影像检测自动驾驶语音助手机器翻译广告营销深度学习的广泛应用!#$%&()*!#$%&()*+,-./012+,-./0123456/0123456/01278789.:;:9.:;:?78=?78 基于序列化模型的超参数优化和结构搜索方法。ABCDABCD 基于提前停止训练的并行计算方法。EFF

2、EFFG8HIG8HI RNN指挥强化学习器生成正确率最高网络的方法。JKLMJKLM 训练大群体的网络模型并进行演化淘汰的方法。阶段性成果%&NO7PQRST%&NO7PQRSTSTUVWXYZ_abcdefghifg3456jklhmn5WoQRSTpq0.200.300.400.500.600.700.800.901.00家装风格鸟类分类家具分类牛皮癣分类车系分类时尚商品商品搜索分类重叠细胞分类典型客户应用效果基线效果最优效果AutoDL模型设计模型设计(1):视觉风格迁移网络视觉风格迁移网络Ultrafast photorealistic style transfer via neur

3、al architecture searchJie An*,Haoyi Xiong*,Jun Huan and Jiebo Luo,AAAI 2020(Oral)11AutoDL模型设计模型设计(1):视觉风格迁移网络视觉风格迁移网络单张图片渲染耗时(Sec./Image)Ultrafast photorealistic style transfer via neural architecture searchJie An*,Haoyi Xiong*,Jun Huan and Jiebo Luo,AAAI 2020(Oral)12AutoDL模型模型设计设计(2):人像人像pose生成网络生成

4、网络Generating Person Images with Appearance-aware Pose StylizationSiyu Huang,Haoyi Xiong,et al.,IJCAI 202013AutoDL模型模型设计设计(3):推荐系统网络推理优化推荐系统网络推理优化JIZHI:A Fast and Cost-Effective Model-As-A-Service System for Web-Scale Online Inference at BaiduHao Liu,Qian Gao and Haoyi Xiong,KDD 2021AutoDL Design(4):

5、如何使用这些模型？如何使用这些模型？模型仓库位置:https:/ Huang,Haoyi Xiong,Tianyang Wang,Qingzhong Wang,Zeyu Chen,Jun Huan,Dejing Dou.Parameter-Free Style Projection for Arbitrary Style Transfer.The 2022 International Conference on Acoustics,Speech,&Signal Processing,202215 AutoDL Design 多功能神经架构搜索的算法与模型 AutoDL Transfer 深层迁

6、移学习算法与预训练模型 AutoDL Interpretability 解释训练过程与深度学习模型表现的多特征分析架构Baidu AutoDLan Overview17AutoDL迁移学习迁移学习(1):基本概念基本概念算法算法与创新算法与创新算法AutoDL Transfer 1.0 DELTA:Deep Learning Transfer using Feature Map with Attention for Convolutional Neural Networks,ICLR 2019Xingjian Li,Haoyi Xiong,Hanchao Wang,Yuxuan Rao,Lip