OSDI 2020 | RAMMER如何进一步“压榨”加速器性能
传统的深度学习框架为了模块化设计，通常使用互不感知的两层调度模型，导致无法充分发挥硬件的计算性能。针对现有深度学习框架的局限，微软亚洲研究院和北京大学、上海科技大学合作提出了 RAMMER：一种可以成倍甚至几十倍地提升深度学习计算速度的编译框架。这套编译框架的背后是微软亚洲研究院打造的深度神经网络编译器 NNFusion，目前已在 GitHub 上开源。
发布时间：2020-11-12 类型：深度文章
OSDI 2020 | RAMMER如何进一步“压榨”加速器性能
传统的深度学习框架为了模块化设计，通常使用互不感知的两层调度模型，导致无法充分发挥硬件的计算性能。针对现有深度学习框架的局限，微软亚洲研究院和北京大学、上海科技大学合作提出了 RAMMER：一种可以成倍甚至几十倍地提升深度学习计算速度的编译框架。这套编译框架的背后是微软亚洲研究院打造的深度神经网络编译器 NNFusion，目前已在 GitHub 上开源。
发布时间：2020-11-12 类型：深度文章
OSDI 是计算机系统软件领域全球最顶级的会议之一，每两年举办一届，被誉为“操作系统原理领域的奥斯卡”，拥有极高的学术地位。第14届 OSDI 将于2020年11月4日至6日召开。此次会议投稿398篇，共录用论文70篇，录用率不足18%。本文中，我们将为大家介绍微软亚洲研究院被录取的6篇论文。
发布时间：2020-11-03 类型：深度文章
我们生活中依赖的搜索、购物、聊天和新闻推荐等各种服务都离不开大型软件系统的支持，然而，随着用户的需求和场景增多，这些系统的复杂性和规模也在不断增加。如何利用机器学习和大数据来驱动复杂的系统设计和运维决策，成为了学术界和工业界共同思考的问题。针对这个问题提出的解决方案，被称为学习增强系统（Learning-augmented Systems）。最近几年，微软亚洲研究院通过名为 AutoSys 的研究项目，在探索系统化建构学习增强系统上取得了进展。
发布时间：2020-10-27 类型：深度文章
本文与大家分享的是2019年机器学习和系统领域的突破与进展，以及未来趋势。如果说机器学习可以算是 AI 的大脑，那么系统网络就像 AI 的身体躯干。AI 的进一步普及，需要对机器学习算法、模型、理论等进行不断地优化和提炼，同时也需要能够构建出高效、稳定、可信乃至“精巧”的 AI 系统，为 AI 应用的真正落地做好诸多准备。
发布时间：2020-01-06 类型：深度文章
