腾讯犀牛鸟开源人才培养计划
Tencent Rhino-bird Open-source Training Program
2021年腾讯首次发布“犀牛鸟开源人才培养计划”,通过打造面向高校学生的开源课程和开源实践培养方案,培育开源人才、普及开源文化,助力开源人才生态的发展。5月30日,2022年度“犀牛鸟开源人才培养计划”正式启动,由教育部计算机类专业教学指导委员会、教育部软件工程专业教学指导委员会、教育部电子信息类专业教学指导委员会、中国信息通信研究院作为联合指导单位,腾讯开源和腾讯高校合作联合主办,培养计划涉及开源基础课程、开源进阶研学和开源项目实战三大阶段培养。本届培养计划除了来自腾讯的热点开源项目之外,还有来自清华大学、北京大学、中国人民大学与腾讯基于联合实验室平台合作开展的开源项目,涉及技术领域包括人工智能、大数据、前端应用、基础平台(操作系统)、数据库等。
腾讯犀牛鸟开源人才培养计划 Tencent Rhino-bird Open-source Training Program 2021年腾讯首次发布“犀牛鸟开源人才培养计划”,通过打造面向高校学生的开源课程和开源实践培养方案,培育开源人才、普及开源文化,助力开源人才生态的发展。5月30日,2022年度“犀牛鸟开源人才培养计划”正式启动,由教育部计算机类专业教学指导委员会、教育部软件工程专业教学指导委员会、教育部电子信息类专业教学指导委员会、中国信息通信研究院作为联合指导单位,腾讯开源和腾讯高校合作联合主办,培养计划涉及开源基础课程、开源进阶研学和开源项目实战三大阶段培养。本届培养计划除了来自腾讯的热点开源项目之外,还有来自清华大学、北京大学、中国人民大学与腾讯基于联合实验室平台合作开展的开源项目,涉及技术领域包括人工智能、大数据、前端应用、基础平台(操作系统)、数据库等。
各位同学报名即可参加线上开源系列课程,学习开源知识,对话学界及产业界大咖。其中入选开源项目实战的学生将在导师的一对一指导下,利用暑假开展编程实战。
更多项目信息请看官网:https://opensource.tencent.com/summer-of-code
项目简介 一个完全基于动态编译(Just-in-time),内部使用创新的元算子和统一计算图的深度学习框架。元算子可以复合出神经网络计算所需算子,和Numpy一样易于使用,并且超越Numpy能够实现更复杂更高效的操作。统一计算图则是融合了静态计算图和动态计算图的诸多优点,在易于使用的同时,提供高性能的优化。基于元算子开发的深度学习模型,可以被计图实时自动优化并且运行在指定的硬件上,如CPU,GPU,NPU等。
项目导师 梁盾,计图核心开发者,清华大学助理研究员
导师寄语 计图是首个由国内高校牵头的具有自主知识产权的深度学习框架,相比于国外主流框架,在性能、多平台适配上有着诸多优势。本项目将带大家进入科研一线,深入浅出地了解最前沿的研究领域与框架开发知识,涵盖内容包括:可微渲染、目标检测与识别、图像分割、几何学习以及算子优化等内容
编程任务 【初级】任务一:基于计图框架 NeRF 模型复现和速度优化
背景:随着VR、AR的蓬勃发展,三维场景、物体的重建与生成越来越重要。在新视角生成及重建任务中,目的是给定若干不同视角的图像或视频,重建场景或获取新视角对应的图像。2020年Mildenhall等人提出的NeRF使用一组稀疏的输入视图来优化MLP网络,该网络输入查询点并输出颜色和密度,通过光线行进在空间中采样点来渲染场景,可以生成高质量的高分辨率图像。
参考论文:
相关代码:
预备知识:
预期成果:在计图框架上复现 NeRF 模型,达到论文中的点数,做速度优化,性能超过 PyTorch、Tensorflow等平台。
收获:
【中级】任务二:基于计图框架 GAN 模型复现和速度优化
背景:图像生成任务是计算机视觉领域非常重要和实用的一个方向。GAN 模型作为图像生成代表模型,自 2014 年被提出就受到广泛关注。2018 年,StyleGAN 模型被提出,图像生成进入高分辨率时代。本任务希望基于计图框架复现 GAN 的重要模型、复现论文中的点数以及训练、推理速度超过其他深度学习框架。
参考论文:
相关代码:
预备知识:
预期成果:在计图框架上复现 GAN 模型,达到论文中的点数,做速度优化,性能超过 PyTorch、Tensorflow等
收获:
【高级】任务三:基于计图框架实现稀疏卷积库
背景: 稀疏卷积是支撑3D视觉非常重要的一部分,因此如何实现快速的稀疏卷积已经成为3D视觉领域不可或缺的一部分。本任务希望基于计图框架实现稀疏库,能够实现目前的大多数稀疏算法,能够在保证精度的前提下,实现较快的速度,并且基于这个库,复现一篇体素分割的论文。
参考论文:
相关代码:
预备知识:
预期成果:在计图框架上实现稀疏库,保证精度和正确性,完成1篇论文的复现。
收获:
联系导师 梁盾,https://github.com/cjld