12 月 2 日（周日）下午，PaperWeekly 携手清华大学计算机系推出了计算未来轻沙龙第六期线下活动——深度学习工具专场。来自亚马逊 AWS、谷歌、英伟达、百度 PaddlePaddle 以及清华大学计算机系的几位嘉宾，为现场观众详细介绍了 TensorFlow、MXNet、NVIDIA TensorRT 等深度学习工具。

本文将独家分享本期活动的嘉宾课件下载。

 郑达 / 亚马逊AWS应用科学家 

郑达，亚马逊 AWS 应用科学家，约翰霍普金斯大学计算机博士，主要的研究领域为大规模图计算和机器学习的系统研究，现在主要从事 MXNet 的研发。

 DGL: 在图上的深度学习 

深度学习算法在图上的应用，渐渐成为一个研究热门的研究领域，相应的编程平台也应运而生。这个报告介绍 AWS 和纽约大学联合开发的用于图的深度学习平台 DGL 以及我们最新的研究成果。

 李卓桓 / 谷歌机器学习开发者专家 (ML GDE) 

李卓桓，PreAngel Partner，Plug and Play Venture Partner，拥有 25 年编程经验的技术背景连续创业者，活跃天使投资人。投资过百余家初创公司。叽歪网创始人，zixia BBS 创始人，水木清华 BBS 站长；曾任 ChinaRen 工程师，优酷网首席科学家；清华大学本科，中欧国际工商学院 EMBA，CS PhD。曾撰写《Linux 网络编程》、《反垃圾邮件完全手册》和《智能问答与深度学习》等技术作品。酷爱滑翔伞、滑雪、编程等极限运动。

 Machine Learning in JavaScript 

本次讲座将通过 Tensorflow.js 框架，向大家介绍基于 JavaScript 进行机器学习的经验，内容将涵盖：1. 建模与训练的可视化；2. 在浏览器中进行建模、训练；3. 如何从 Python 迁移到 JavaScript 三部分。

 胡晓光 / 百度深度学习技术平台部主任工程师

胡晓光，百度深度学习技术平台部主任工程师，多年深度学习算法实践经验，2015 年带领团队上线全球首个基于深度学习的在线翻译引擎；现负责 PaddlePaddle 模型应用，致力于打造最好用的深度学习平台。

 PaddlePaddle核心技术与应用实践

PaddlePaddle 总体介绍；深入框架设计原理及实现；PaddlePaddle 新特性，移动端部署、并行等；结合百度 AI 实践，NLP、图像等应用。

 何琨 / NVIDIA开发者社区经理

何琨，NVIDIA 开发者社区经理，拥有 7 年 GPU 开发经验，5 年人工智能开发经验。

 NVIDIA TensorRT & Deepstream

TensorRT 5.0 的最新特性；Deepstream 3.0 的最新特性；结合 TensorRT 5.0 和 Deepstream 的实例展示。

 李夏青 / 清华计算机系博士生

李夏青，清华大学计算机系高性能所博士在读，研究领域为深度学习框架加速以及深度学习超参数调优。博士期间在 TPDS、ICPP 发表文章。

 基于GPU的卷积神经网络框架性能分析 

在这次报告中，我们将讨论和分析当前主流的基于 GPU 的卷积神经网络框架和算法，对其性能进行比较和分析。同时我们会分析这些算法在 GPU 上的性能瓶颈，并且给出优化建议。

 1 / 扫码关注 

长按识别二维码，关注PaperWeekly

 2 / 回复暗号 

在PaperWeekly微信公众号后台

 回复暗号181202 

即可获取嘉宾课件下载链接

#投 稿 通 道#

 让你的论文被更多人看到 

如何才能让更多的优质内容以更短路径到达读者群体，缩短读者寻找优质内容的成本呢？ 答案就是：你不认识的人。

总有一些你不认识的人，知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。

PaperWeekly 鼓励高校实验室或个人，在我们的平台上分享各类优质内容，可以是最新论文解读，也可以是学习心得或技术干货。我们的目的只有一个，让知识真正流动起来。

? 来稿标准：

• 稿件确系个人原创作品，来稿需注明作者个人信息（姓名+学校/工作单位+学历/职位+研究方向）

• 如果文章并非首发，请在投稿时提醒并附上所有已发布链接

• PaperWeekly 默认每篇文章都是首发，均会添加“原创”标志

? 投稿邮箱：

• 投稿邮箱：hr@paperweekly.site

• 所有文章配图，请单独在附件中发送

• 请留下即时联系方式（微信或手机），以便我们在编辑发布时和作者沟通

?

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。

▽ 点击 | 阅读原文 | 获取最新论文推荐