Deep Learning Plattform
Im Sommer 2018 haben mehrere Institute der Fakultät für Informatik der TU Wien gemeinsam mit der TU.it begonnen, gemeinsam eine Plattform zu entwickeln, die sich speziell der Forschung im Bereich Deep Learning widmet. Seitdem hat sich die Aktivität zu einem umfangreichen Forschungsprojekt entwickelt, das sich derzeit mit verschiedenen Themen befasst, wie zum Beispiel:
- DL of point clouds (Wimmer group, Erler P, Celarek A, Gilmutdinov I, Fraiss S)
- Anime DL (Wimmer group, Cardoso J, Hanko D, Kugler F, Thurner Y)
- DL in drug design (Kaufmann group, Kan P)
- Agricultural time series analysis with DL (Rauber group, Neubauer T, Raubitzek S, Peesapati K)
- Federated/adversarial ML/DL (Rauber group, Mayer R, Jankovic A, Pustozerova A, Llugiqi M)
- DL in computer vision (Sablatnig goup, Zambanini S, Keglevic M)
- DL in e-commerce and NLP (Hanbury group, Hofstaetter S, Althammer S)
- Research Unit ML/DL (Gaertner group, Holzmueller M, Thiessen M)
- DL in SoC (Jantsch group, Wendt A, Mozelli A)
Hardware
4 Server mit jeweils 4 x GPU (NVIDIA Turing rtx2080ti)
1 Server mit 1 x GPU (NVIDIA Volta V100)
Zugriff über den Anmeldeknoten des dataLABS unter: https://lbd.zserv.tuwien.ac.at/
Deep Learning Arbeits-Gruppe
Die DL-Gruppe hat ein außergewöhnlich hohes Maß an Selbstorganisation entwickelt. Neue Benutzer werden schnell in etablierte Arbeitsrichtlinien eingeführt und erhalten Unterstützung von Forschungsstipendiaten auf der ersten Ebene, die täglich aktiv an der DL-Forschung beteiligt sind. Dies beinhaltet nicht nur Best-Practice-Ratschläge zur optimalen Nutzung gängiger DL-Frameworks (Pytorch, Tensorflow, Keras, Caffee, Theano ...),sondern auch allgemeine Unterstützung bei der Beherrschung von DL-Computerservern und der Übernahme der erforderlichen Fähigkeiten, um die verfügbaren effizient zu nutzen Ressourcen. In regelmäßigen Abständen wird eine Seminarreihe mit aktuellen Themen in DL durchgeführt,
die von eingeladenen Gastdozenten vor Ort erläutert werden.
Erfolgsgeschichten
Philipp Erler, Paul Guerrero, Stefan Ohrhallinger, Michael Wimmer und Niloy Mitra; Points2Surf: Lernen impliziter Oberflächen aus Punktwolken
in Computer Vision - ECCV 2020, Seiten 108-124. Oktober 2020.
Sebastian Hofstaetter, Hamed Zamani, Bhaskar Mitra, Nick Craswell und Allan Hanbury;Lokale Selbstaufmerksamkeit über Langtext für effizientes
Abrufen von Dokumenten in Proceedings der 43. Internationalen ACM SIGIR-Konferenz zu Forschung und Entwicklung im Bereich Information Retrieval - SIGIR '20, Seiten 2021–2024. Juli 2020.
Kontakt
Für informelle Diskussionen sollten sich interessierte Personen am besten mit einer der oben genannten Forschungsgruppen in Verbindung setzen. Wenn Konten angefordert werden, schreiben Sie bitte eine E-Mail an siegfried.hoefinger@tuwien.ac.at und geben Sie eine gültige TU-E-Mail-Adresse und im Idealfall eine Zugehörigkeit zu einer der oben genannten Gruppen an.