動(dòng)態(tài)

• 發(fā)布了文章 2024-06-13 08:27

  算力基礎(chǔ)設(shè)施的風(fēng)險(xiǎn)與挑戰(zhàn)

  

  編者按算力網(wǎng)絡(luò)有一個(gè)美好的愿景，就是希望算力和算網(wǎng)，能像電力和電網(wǎng)一樣：算力可以標(biāo)準(zhǔn)化，有統(tǒng)一的計(jì)量單位。類似電力計(jì)量的千瓦時(shí)，或稱為度數(shù)。有很多算力中心生產(chǎn)算力，類似電廠生產(chǎn)電力。生產(chǎn)出來(lái)的算力，通過(guò)接入算網(wǎng)，最終供應(yīng)給算力的客戶。類似電廠的電力，通過(guò)電網(wǎng)接入千家萬(wàn)戶。算力“隨時(shí)隨地，無(wú)處不在”，算力客戶可以非常方便的隨時(shí)接入任何位置的算力，支撐自己的業(yè)務(wù)

  人工智能 電網(wǎng) 算力

  1.8k瀏覽量

• 發(fā)布了文章 2024-06-12 08:27

  作為深度學(xué)習(xí)的代表，GPU是如何計(jì)算的？

  

  當(dāng)提到CPU（CentralProcessingUnit，中央處理器）時(shí)，就是機(jī)器的“大腦”，是計(jì)算機(jī)系統(tǒng)的核心部件，也是布局謀略、發(fā)號(hào)施令、控制行動(dòng)的“總司令”。CPU的結(jié)構(gòu)主要包括運(yùn)算器（ALU,ArithmeticandLogicUnit）、控制單元（CU,ControlUnit）、寄存器（Register）、高速緩存器（Cache）和它們之間通訊的數(shù)

  cpu 中央處理器 存儲(chǔ)數(shù)據(jù) 深度學(xué)習(xí)

  1.3k瀏覽量

• 發(fā)布了文章 2024-06-08 08:27

  一篇文章看懂：什么是PBR？

  

  學(xué)習(xí)建模的同學(xué)肯定會(huì)聽(tīng)說(shuō)過(guò)PBR，它就像“一鍵美顏”一樣，讓模型師的工作變得效率高且質(zhì)量更好。PBR全稱是PhysicallyBasedRendering，是一種以物理上精確的方式模擬光與材質(zhì)相互作用的渲染技術(shù)。它通過(guò)考慮材質(zhì)的物理特性（例如反射率、粗糙度和透明度）來(lái)創(chuàng)建更真實(shí)、更可信的圖形。由于其高度的易用性以及方便的工作流，可以在不同的軟件中渲染出相同的

  3D模型 PBR 渲染

  6.3k瀏覽量

• 發(fā)布了文章 2024-06-07 08:27

  RISC-V現(xiàn)在發(fā)展得怎么樣了？

  

  Omdia的報(bào)告預(yù)計(jì)，到2030年，RISC-V架構(gòu)芯片的出貨量將達(dá)到170億，市場(chǎng)份額將占到25%，尤其在工業(yè)和汽車行業(yè)增長(zhǎng)加快。這一預(yù)測(cè)也表明RISC-V架構(gòu)正迅速獲得市場(chǎng)認(rèn)可，也意味著它或?qū)⒋蚱崎L(zhǎng)期以來(lái)由少數(shù)傳統(tǒng)架構(gòu)主導(dǎo)的市場(chǎng)格局。RISC-V的巨大市場(chǎng)潛力得益于以下幾方面：開(kāi)源優(yōu)勢(shì)：RISC-V是一個(gè)開(kāi)源的指令集架構(gòu)，這意味著

  RISC-V 處理器 芯片

  1.3k瀏覽量

• 發(fā)布了文章 2024-06-06 08:28

  如何從處理器和加速器內(nèi)核中榨取最大性能？

  

  利用緩存增強(qiáng)低成本、上一代或中端的SoC。一些設(shè)計(jì)團(tuán)隊(duì)在創(chuàng)建片上系統(tǒng)（SoC）設(shè)備時(shí)，有幸能夠使用最新和最先進(jìn)的技術(shù)節(jié)點(diǎn)，并且擁有相對(duì)不受限制的預(yù)算來(lái)從可信的第三方供應(yīng)商那里獲取知識(shí)產(chǎn)權(quán)（IP）模塊。然而，許多工程師并沒(méi)有這么幸運(yùn)。對(duì)于每一個(gè)“不惜一切代價(jià)”的項(xiàng)目，都有一千個(gè)“在有限預(yù)算下盡你所能”的對(duì)應(yīng)項(xiàng)目。一種從成

  內(nèi)核 加速器 處理器

  1.8k瀏覽量

• 發(fā)布了文章 2024-06-05 08:27

  通過(guò)強(qiáng)化學(xué)習(xí)策略進(jìn)行特征選擇

  

  來(lái)源：DeepHubIMBA特征選擇是構(gòu)建機(jī)器學(xué)習(xí)模型過(guò)程中的決定性步驟。為模型和我們想要完成的任務(wù)選擇好的特征，可以提高性能。如果我們處理的是高維數(shù)據(jù)集，那么選擇特征就顯得尤為重要。它使模型能夠更快更好地學(xué)習(xí)。我們的想法是找到最優(yōu)數(shù)量的特征和最有意義的特征。在本文中，我們將介紹并實(shí)現(xiàn)一種新的通過(guò)強(qiáng)化學(xué)習(xí)策略的特征選擇。我們先討論強(qiáng)化學(xué)習(xí)，尤其是馬爾可夫決策

  人工智能 強(qiáng)化學(xué)習(xí) 機(jī)器學(xué)習(xí)

  1.2k瀏覽量

• 發(fā)布了文章 2024-06-04 08:27

  大語(yǔ)言模型(LLM)快速理解

  

  自2022年，ChatGPT發(fā)布之后，大語(yǔ)言模型（LargeLanguageModel），簡(jiǎn)稱LLM掀起了一波狂潮。作為學(xué)習(xí)理解LLM的開(kāi)始，先來(lái)整體理解一下大語(yǔ)言模型。一、發(fā)展歷史大語(yǔ)言模型的發(fā)展歷史可以追溯到早期的語(yǔ)言模型和機(jī)器翻譯系統(tǒng)，但其真正的起點(diǎn)可以說(shuō)是隨著深度學(xué)習(xí)技術(shù)的興起而開(kāi)始。1.1統(tǒng)計(jì)語(yǔ)言模型在深度學(xué)習(xí)技術(shù)出現(xiàn)之前，語(yǔ)言模型主要基于傳統(tǒng)的統(tǒng)

  ChatGPT LLM 語(yǔ)言模型

  3k瀏覽量

• 發(fā)布了文章 2024-05-31 08:28

  淺談車機(jī)交互的現(xiàn)狀和未來(lái)

  

  車載信息娛樂(lè)系統(tǒng)的發(fā)展歷史并不長(zhǎng)，走向智能化、網(wǎng)聯(lián)化只是過(guò)去十幾年間的事情?？v觀其發(fā)展歷程，大致可以分為三個(gè)階段：初級(jí)階段（1910年至1990年代）：1910年，愛(ài)立信創(chuàng)始人拉什·馬格拉斯·愛(ài)立信（LarsMagnusEricsson）在他的車內(nèi)安裝了一部電話，與其說(shuō)為了滿足富豪車主需求，更像是推廣自家產(chǎn)品。1924年，雪佛蘭打造出世界上首款車載收音機(jī)，標(biāo)

  操作系統(tǒng) 智能網(wǎng)聯(lián) 車載信息

  1.3k瀏覽量

• 發(fā)布了文章 2024-05-30 08:27

  2024年全球半導(dǎo)體產(chǎn)業(yè)發(fā)展態(tài)勢(shì)解析

  

  本文由半導(dǎo)體產(chǎn)業(yè)縱橫（ID：ICVIEWS）編譯自semiconductorintelligence2024年開(kāi)局緩慢，但已為增長(zhǎng)做好準(zhǔn)備。根據(jù)WSTS的數(shù)據(jù)，2024年第一季度全球半導(dǎo)體市場(chǎng)規(guī)模為1377億美元。2024年第一季度比2023年第四季度下降5.7%，比去年同期增長(zhǎng)15.2%。今年第一季度通常比上一年第四季度季節(jié)性下降。然而，2024年第一季度

  半導(dǎo)體 存儲(chǔ)芯片 智能手機(jī)

  8.2k瀏覽量

• 發(fā)布了文章 2024-05-28 08:27

  AIGC+實(shí)時(shí)云渲染：開(kāi)啟3D內(nèi)容生態(tài)的黃金時(shí)代

  

  AIGC與GPT-4浪潮一起涌入大眾視野，在創(chuàng)作領(lǐng)域，人工智能取得了巨大的進(jìn)步，并逐漸幫助甚至取代了人類進(jìn)行復(fù)雜的創(chuàng)作活動(dòng)。人工智能已經(jīng)從以前的理解演變?yōu)樽詣?dòng)生成內(nèi)容，這宣布了人工智能時(shí)代的到來(lái)。AIGC的全稱是“人工智能生成內(nèi)容”（AIGeneratedContent）”?！八且粋€(gè)涉及自然語(yǔ)言處理的宏大概念（NaturalLanguageProcessi

  3D AIGC 人工智能

  1.9k瀏覽量