刘方鑫 · GPU计算及深度学习修读档案

课程内容：MLSys 上课自由度：极高，一次小测和小组 pre 得来，其他时间去也行不去也行，老师明确说不签到，堪比放养式管理 考核标准：小测+pre，给分很好 授课质量：高，ppt 是有真技术含量的那种，好好听课能塞进脑子点东西，探照灯打给所有人：推荐来学 MLSys！！

课程内容：MLsys，计算机体系结构那一挂 上课自由度：不点名不考勤，只有1次提前通知的小测，还能掏电子设备，属于放养式修仙 考核标准：40%平时+60%大作业，大作业就是期末上台讲1篇论文，然后老师和助教轮番提问 体系结构这玩意儿我属实没爱，大作业到整门课投入的时间少得可怜，所以给分能理解，但大作业还是得好好搞，不然分数并不会对你露出微笑……

想学的能学到不少东西，不想学的也能拿到不错的分数，无脑选就完事了。事少分多，一学期就一次会提前通知的小测，再加个期末小组pre讲解一篇论文。

【此条评价为研究生课程CS7359《人工智能系统与优化》的评价，授课教师为刘方鑫但缺少条目。】 课程内容： + 深度学习网络结构基础 + 高效神经网络压缩算法 + 模型剪枝、稀疏量化技术、张量分解、知识蒸馏、神经网络结构搜索 + 神经网络加速器设计 + 基于卷积和注意力机制的神经网络加速 + 分布式训练与模型边缘部署优化 + 针对领域专用（例如：大型语言模型和扩散模型）的加速技术 ——以上堆料程度约等于把一整个深度学习全家桶塞你嘴里，嚼不嚼得动看个人修行。 上课自由度：高（没几个人来上课）——高到什么程度呢，教室空旷得能原地办个冥想班，来的这几位基本属于自带信仰。 考核标准：本学期就一个小组论文Pre（每组6分钟，最后两次课进行，一组不超过3人，论文从助教提供的论文列表中选择，不能重复，先到先得），占比不明（无作业无考试无点名）——整个学期的KPI就压在6分钟上，抢论文跟抢演唱会门票一样先到先得，至于占比，属于薛定谔的分数占比，开盒前不知道。 授课质量：口条清晰——吐字这块没得黑，听得清清楚楚，清清楚楚地松弛。 【老师非常松弛，早十的课，有时候还迟来几分钟。也没有微信群，第一次课说应该会有一个论文Pre，考不考试看教务处要求。倒数第三次课通知了小组论文Pre的具体细则，建了微信群发论文列表。】——松弛到这个境界，早十的课偶尔晚几分钟到，群是学期末才建的，Pre这事第一次课只是"应该会有"级别的悬念，考不考试直接甩给教务处，直到倒数第三次课细则才落地，微信群才横空出世，属于典型的Deadline驱动型课程架构。

# 活爹！ 事少分多，无需多言，明年谁不选谁吃亏，属于课堂界的性价比核弹。

**分多事少，GPU这波直接篡位登基了** 授课内容： 1. 深度学习基础：Pytorch基本语法、CNN、Attention这些神经网络地基款 2. GPU计算：量化、计算图、Tensor底层表示、深度学习编译、深度学习处理器，外加一堆零零碎碎的概念零件 身为大三老油条，这课大半内容都属于"我上我也行"的舒适区，想挖到点有深度的新矿？几乎挖不着 任务： 1. 两次小测，不难，每次就一页A4纸的体量，塞点填空题和问答题 (50%) 2. 最后一节课上台讲一篇近两年体系结构CCF-A会议的论文，讲完老师和助教轮番提问 (50%) 签到？没有。课后作业？也没

课程内容：5。 专治那些从神经网络地基一路盖到扩展区的高层大楼式内容。出于是在大二啃下来的课、之前也压根没深度踩过神经网络的地盘，所以坦白说肚子里确实装下去不少干货。 上课自由度：5。 考核标准：5。 陌生名单不点名，不留作业，不追着人改分对线，来去自由堪称自驾游。大作业是抓一篇新出的论文做per（50%），作业就是那两回会提前给你打招呼的随堂测（40.%），剩下还有10分看你不怎么看得出勤状况的出勤分（公式留给各位dddd）。老师想开了：既然是选修不是必修就不要把难度挂在树梢上，再一想群里坐的是从大二一路混到大四、又被学业、出国、实验室三座大山轮流抽调精神的可怜人，也就准你抬脚进抬脚出了，且这种进出去留简直称得上慈悲！ 身心体感极优良，顶着个3学分的大帽子，课业压力几乎裸奔。 还有就是，刘神这一手下把子给分操作，够我照着吹一年。

课程内容：主要是高效的深度学习的优化技术，就是把那块越来越虚的模型往死里提效率 上课自由度：挺自由 考核标准：太友好了，简直是考核界的送温暖 授课质量：上课不断拓展讨论知识点，讲的很清楚，条条大路都给你铺平了

刚刚上了第一节课 课程内容：好 （老师热情值拉满，一心想带大家入MLSys的门，交大本科阶段好像确实没正经开过讲MLSys的课？） 上课自由度：高 考核标准：（他真的我哭死😭） 授课质量：预计很高