报名 | 如何突破Decoder性能瓶颈?英伟达专家揭秘FasterTransformer2.0的原理与应用 –NLP公开课

位来 发自 凹非寺
量子位 报道 | 公众号 QbitAI

自从 “Attention is All You Need” 在2017年提出以来,Transformer已成为 NLP 领域中非常热门的深度学习网络架构。但是在推理部署阶段,其计算性能往往难以满足在线业务对于低延迟和高吞吐的要求。

在英伟达开源的FasterTransformer 1.0版本中,针对BERT中的 Transformer Encoder进行了优化和加速,经过高度优化之后,降低了用户使用transformer编码的时延。

在解决了Encoder性能问题之后,英伟达将重点放到了同样重要的Transformer Decoder推理上。

因此,英伟达推出了FasterTransformer 2.0版本,提供针对解码器进行高度优化的transformer layer。同时,还提供了优化过后的整个翻译流程,满足想要在翻译场景中大幅降低时延的用户们。

那么,FasterTransformer 2.0背后的优化原理是什么?如何针对decoder和decoding进行优化?

4月9日,英伟达x量子位将举办一场线上公开课,英伟达GPU计算专家、FasterTransformer 2.0 开发者之一的薛博阳老师将为大家详细讲解,欢迎大家报名,与薛老师一起探讨和交流。

课程安排

主题:FasterTransformer 2.0 的原理与应用

时间:2020年4月9日(周四),20:00-21:30

环节:讲解+问答

课程内容

  • FasterTransformer 2.0 新增加功能介绍
  • 如何针对decoder和decoding进行优化
  • 如何使用decoder和decoding
  • Decoder和decoding能够带来什么样的加速效果

嘉宾介绍

如何突破Decoder性能瓶颈?揭秘FasterTransformer2的原理与应用

薛博阳,NVIDIA GPU 计算专家,拥有多年GPU开发经验和深度学习开发经验。曾参与计算机视觉、游戏人工智能等项目开发。FasterTransformer 2.0 开发者之一,目前主要负责 FasterTransformer 2.0 的进一步的优化。

报名方式

点击链接注册(https://info.nvidia.com/312648-reg.html),直播前将给您注册使用的邮箱发送直播链接,后续将发送直播回放、PPT资料。

也欢迎大家加入直播交流群,添加量子位小助手(qbitbot12),并备注“英伟达”即可。

— 完 —

量子位 QbitAI · 头条号签约作者

关注我们,第一时间获知前沿科技动态

版权所有,未经授权不得以任何形式转载及使用,违者必究。