Halideで微分可能なプログラミング

今度の「Halide」は、Differentiable Programming に挑戦だ。

Image Processing and Deep Learning への応用。。。

論文だけでなくソースコードも公開されています。

Jonathan Ragan-Kelley さん、UC Berkeleyだけでなく、Googleにも所属している模様。

一方、 Andrew Adams さんは、Google から Facebook に移動。

Runtimeの実装コードの比較で下記のように、Halideが圧勝です。

　・CUDA　　: 308行、1MPix (430 ms)、4MPix (2270 ms)
　・PyTorch ：42行、1MPix (1140 ms)、4MPix (out of memory)
　・Halide  : 22行、1MPix   (64 ms)、4MPix ( 165 ms)

いやー、凄いな「Halide」。。。

ちなみに、あたしは、「Differentiable Programming」は、よくわからないです。