CMU Deep Learning Systems
Deep Learning Systems:Algorithms and Implementation(2026 秋)
从算法与实现两方面学习深度学习系统。
CMUDeep Learning Systems
- 难度
- 中阶
- 形式
- 大学课程
- 语言
- 英文
- 规模
- 27 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
学完你能
- 从算法与实现两方面学习深度学习系统
适合你吗
适合
已具备 Python/C++、深度学习和计算机系统基础,想系统学习 AI 系统与效率、加速器与算子优化的学习者。
暂不适合
前置知识不足、需要作业批改或学分证书的人:公开旁听一般不含批改、考试和证书,部分视频也可能不公开。
需要先会
建议先具备:Python/C++、深度学习和计算机系统(本站建议)。正式选课要求见原站 syllabus。
课程特点
- 内容侧重
- 侧重实践应用
- 练习与项目
- HW0–4 逐步构建 Needle:softmax、autodiff、模块/优化器、CPU/CUDA NDArray、卷积/RNN;最终项目扩展框架。https://dlsyscourse.org/assignments 。 官方 Homework 0 提供 Colab/GitHub 入口。运行 Colab 需个人 Google 账号;先检查 notebook 安装和导入单元,后续 C++/CUDA 环境按作业配置。mugrade 面向注册/候补学生,不把取得评分账号当作公众可用功能,也不自动提交。
- 学习时长
- 27 个课节原站未给出统一学习时长;实际用时取决于已有基础。
- 内容费用
- 免费各讲幻灯片、实现笔记本与 YouTube 课堂视频公开免费;在线评分与讨论区仅限注册学生
来源与使用须知
- 原始资源
- CMU Deep Learning Systems 收录版本:2026 秋
- 收录时间
- 本站首次收录 2026-10-10
- 指南参考
- 官方课节顺序及材料入口
版权与转载
- 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。
使用前请了解
- 1 个相关链接暂时无法访问。