CCF开源大会将举办Jittor深度学习框架及国产生态论坛

11月5-6日的第一届CCF中国开源大会，将组织特邀报告、开源高峰论坛、开源发展委员会路演、社区论坛、技术论坛、教育论坛、开源创新大赛培训等20余个不同类型的活动。6日下午，将举办计图框架的特别论坛。

直播链接

论坛的背景

深度学习框架是现代人工智能算法开发和应用的基础支撑软件，自主可控的深度学习框架对我国人工智能产业发展和技术引领具有重要意义。计图(Jittor)是国内首个由高校研制和开源的深度学习框架。Jittor框架创新地使用了元算子融合和动态编译技术，并提出“统一计算图”的思想，使得在多种任务性能上超越国外主流平台。深度学习框架是底层硬件(即AI芯片)和上层众多应用间的连接器。

在当前国产AI芯片百花齐放的现状下，如何将AI硬件-框架-应用快速连接，形成国产软硬件解决方案和生态，是让众多国产AI芯片快速形成生产力的关键。然而，要达到这样的目标，深度学习框架应具备什么样的特性、AI芯片与框架如何形成快速适配，从而服务于多种人工智能应用，是要解决的重要问题，也是本论坛要探讨的主要问题。

论坛采用学术界的技术前沿报告与工业界的创新应用报告相结合的方式，邀请学术界的知名学者和工业界行业专家报告，组织嘉宾进行研讨。

论坛日程

Jittor深度学习框架及国产生态论坛将于2022年11月6日下午13:00-17:00举办，因为疫情，已改为全线上进行。会议议程如下。

论坛嘉宾

图2 清华大学张松海副教授

报 告 一

报告人姓名：梁盾

报 告 题目：计图深度学习框架的新进展

报 告 摘要：

深度学习框架是现代人工智能算法开发和应用的软件基础支撑，自主可控的深度学习框架是推动中国人工智能更好发展的必然要求。计图(Jittor)是国内首个由高校研制和开源的深度学习框架。Jittor框架创新地使用了元算子融合和动态编译技术，并提出“统一计算图”的思想，使得在多种任务性能上超越国外主流平台。本次报告将介绍计图的新特性与基于计图的最新科研成果。

报告人简介：

梁盾博士毕业于清华大学计算机系计算机图形学实验室，现为清华大学计算机系助理研究员，是计图框架核心成员，研究方向为计算机图形学，深度学习，高性能计算。近年来在中国科学信息科学、CVPR、ACM TOG、CVM等重要会议期刊上发表文章，曾获国际学生超算比赛冠军。

图3 清华大学梁盾博士

报 告 二

报告人姓名：杨军

报 告 题目：企业内部开源，助力国产智能生态

报 告 摘要：

开源创新已经成为网信领域的发展热点与关键手段，引领软件与信息服务业的发展趋势。尤其在以人工智能、云计算等为代表的平台类软件，开源软件已经成为事实标准。中国电科十五所，作为一个服务党政军企的骨干型企业，同样面临开源创新的机遇与挑战。十五所主动拥抱开源，从调动个人积极性、实践企业内部开源、服务行业开源治理等多个维度，开展开源创新工作。在开展人工智能的行业应用过程中，我们关注到Jittor这一国内首个高校开源的深度学习框架，分享基于jittor的实践工作和最新进展。

报告人简介：

杨军，中国电科十五所研究员，中国电科集团首席专家、多个行业技术专家组专家。曾获国务院特殊津贴、多次获得省部级奖励。主要从事云计算、人工智能等技术研究，长期负责复杂信息系统设计研制、安全可控基础软硬件产品研制应用等工作；也j。长期关注软件开源，牵头推动电科集团的企业内部开源工作。

图4 中电15所杨军研究员

报告人姓名：傅志文

报 告 题目：创新通用GPU助力国产化进程

报 告 摘要：

本报告将解读通用GPU如何赋能AI计算，实现AI与图形在云端系统的融合创新。从自然语言处理到机器视觉，AI已经成为解决问题方法的典范，城市智能化、工业自动化、材料和医学研究，以及数字孪生/元宇宙等各个应用领域，通用GPU加持的科学计算，已经成为以数据解决问题的典范（而不是特定应用领域），并持续创造迭代突破，加速商业化。GPU能够完美匹配各种通用并行计算，尤其是包括AI训练推理、图形渲染以及科学通用计算等以大量可并行处理的乘加 （MAC, Multiply-Accumulation) 计算为主的新兴应用的计算需求。天数智芯在国产通用GPU设计上兼容CUDA生态，支持不同的AI框架并能够广泛的支撑HPC领域的各种应用软件。

报告人简介：

傅志文，天数智芯高级技术专家。在高性能计算、大数据和人工智能领域工作近20年，参与和领导诸如高性能计算调度器、大数据解决方案、通用人工智能平台等产品、项目的研发和客户支持。

图5 天数智芯傅志文

报告人姓名：高林

报 告 题目：基于Jittor实现的高质量数字内容生产方法

报 告 摘要：

随着数字经济和虚拟现实的快速发展，工业界对数字内容的需求更加迫切。如何高效的生成高质量的数字内容变的尤为重要。传统的方法往往需要非常专业的工具以及使用相应工具的技能，或者需要价格高昂的硬件设备。这都意味着传统的数字内容生产需要高昂的用户交互成本和设备成本。为了降低数字内容生产的成本，提高数字内容生产的质量，研究基于深度学习范式的智能化方法成为有效的解决方案。在本次报告中，我们将分享基于Jittor实现的数字化人与物的智能内容生产方法，包括数字人体视频合成、数字人脸肖像编辑与合成、三维数字模型合成和神经辐射场的编辑。

报告人简介：

高林，CCF高级会员、中国科学院计算技术研究所博士生导师、副研究员，北京市杰青，英国皇家学会牛顿高级学者。研究方向为计算机图形学，在ACM SIGGRAPH/TOG, IEEE TPAMI, IEEE TVCG, CVPR 等国际知名期刊会议发表论文50余篇，相关研究工作入选ESI高被引论文，并被180余个国家或地区的用户所使用，获亚洲图形学会青年学者奖、CCF技术发明一等奖、CCF CAD&CG专委图形开源软件奖等奖励。

图6 中科院计算所高林副研究员

报告人姓名：刘政宁

报 告 题目：计图全国产AI软硬件适配与优化

报 告 摘要：

深度学习已广泛应用于科学研究和工程应用，国产化需求日趋旺盛。随着国产硬件芯片、操作系统、计算平台的蓬勃发展，支持全国产软硬件生态的深度学习框架也不可或缺。复杂多样的异构芯片架构的适配、大量国外AI软件生态的迁移是深度学习框架面临的主要挑战。本次报告将介绍我们基于计图框架实现国产硬件适配的进展，并探索迁移国外主流框架生态，还将介绍多个全国产AI应用的适配与优化案例。

报告人简介：

刘政宁于清华大学获得博士学位，博士期间主要研究方向为计算机图形学、三维计算机视觉，深度学习等。在ACM TOG、IEEE TVCG、CVMJ等期刊会议上发表多篇文章。刘政宁博士是国产深度学习框架Jittor的核心成员，现为北京非十科技技术总监，致力于深度学习框架、AI服务及其应用等。

图7 非十科技刘政宁博士

GGC往期回顾

1. 第二届计图AI算法挑战赛圆满收官，16支队伍获奖！
   
2. JSparse：Jittor稀疏卷积计算库开源啦！

3. CVMJ第9卷1期出版, Igarashi、McMains、黄惠、邵岭和巫英才等学者发表重要论文
   

4. 城市可视分析 | CVMJ Spotlight
   

5. 新增四种新模型、支持NeRF转mesh，神经辐射场算法库JNeRF再升级

可通过下方二维码，关注清华大学图形学实验室，了解图形学、Jittor框架、CVMJ期刊和CVM会议的相关资讯。