一位工程师眼中的 Torch:从 Lua 到自动求导的设计哲学
这是一场并不追求炫技的 Torch 教程。Alex Wiltschko 通过大量一线使用经验,解释了 Torch 为什么选择 Lua、为什么 GPU 和自动求导是核心优势,以及这些设计如何真正改变工程师构建深度学习系统的方式。
这是一场并不追求炫技的 Torch 教程。Alex Wiltschko 通过大量一线使用经验,解释了 Torch 为什么选择 Lua、为什么 GPU 和自动求导是核心优势,以及这些设计如何真正改变工程师构建深度学习系统的方式。
这是一场由Pascal Lamblin主讲的Theano教程式分享,核心不是“框架有多强”,而是它如何通过符号计算、图编译和GPU并行,改变研究者构建与训练模型的方式。即使Theano已不再主流,这套思路依然深刻影响了今天的深度学习框架。
FAL 的 Gorkem Yurtseven 以亲历者视角回顾了生成式媒体从早期实验到全面爆发的过程,提出“创作的边际成本正在逼近零”的判断,并结合广告、电商与视频等行业,勾勒出生成式媒体即将带来的结构性变化。
Charles Frye 在这次演讲中给 AI 工程师泼了一盆冷水:只会调用模型 API 已经不够了。随着推理成本、延迟和规模问题暴露,理解 GPU 的设计哲学——带宽、并行性和张量计算——正成为构建下一代 AI 应用的基础能力。
在生成式AI和提示工程席卷产品开发的当下,John Pham给出了一个反直觉的判断:好设计的原则从未改变。这场演讲通过真实产品案例,拆解了速度、信任、可访问性与愉悦感,展示了如何把用户变成“超级粉丝”。