動態(tài)

• 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？

  

  利用緩存增強低成本、上一代或中端的SoC。一些設(shè)計團隊在創(chuàng)建片上系統(tǒng)（SoC）設(shè)備時，有幸能夠使用最新和最先進的技術(shù)節(jié)點，并且擁有相對不受限制的預(yù)算來從可信的第三方供應(yīng)商那里獲取知識產(chǎn)權(quán)（IP）模塊。然而，許多工程師并沒有這么幸運。對于每一個“不惜一切代價”的項目，都有一千個“在有限預(yù)算下盡你所能”的對應(yīng)項目。一種從成

  內(nèi)核 加速器 處理器

  1.3k瀏覽量

• 發(fā)布了文章 2024-06-05 08:27

  通過強化學習策略進行特征選擇

  

  來源：DeepHubIMBA特征選擇是構(gòu)建機器學習模型過程中的決定性步驟。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習。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，我們將介紹并實現(xiàn)一種新的通過強化學習策略的特征選擇。我們先討論強化學習，尤其是馬爾可夫決策

  人工智能 強化學習 機器學習

  660瀏覽量

• 發(fā)布了文章 2024-06-04 08:27

  大語言模型(LLM)快速理解

  

  自2022年，ChatGPT發(fā)布之后，大語言模型（LargeLanguageModel），簡稱LLM掀起了一波狂潮。作為學習理解LLM的開始，先來整體理解一下大語言模型。一、發(fā)展歷史大語言模型的發(fā)展歷史可以追溯到早期的語言模型和機器翻譯系統(tǒng)，但其真正的起點可以說是隨著深度學習技術(shù)的興起而開始。1.1統(tǒng)計語言模型在深度學習技術(shù)出現(xiàn)之前，語言模型主要基于傳統(tǒng)的統(tǒng)

  ChatGPT LLM 語言模型

  1.9k瀏覽量

• 發(fā)布了文章 2024-05-31 08:28

  淺談車機交互的現(xiàn)狀和未來

  

  車載信息娛樂系統(tǒng)的發(fā)展歷史并不長，走向智能化、網(wǎng)聯(lián)化只是過去十幾年間的事情?？v觀其發(fā)展歷程，大致可以分為三個階段：初級階段（1910年至1990年代）：1910年，愛立信創(chuàng)始人拉什·馬格拉斯·愛立信（LarsMagnusEricsson）在他的車內(nèi)安裝了一部電話，與其說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，標

  操作系統(tǒng) 智能網(wǎng)聯(lián) 車載信息

  845瀏覽量

• 發(fā)布了文章 2024-05-30 08:27

  2024年全球半導體產(chǎn)業(yè)發(fā)展態(tài)勢解析

  

  本文由半導體產(chǎn)業(yè)縱橫（ID：ICVIEWS）編譯自semiconductorintelligence2024年開局緩慢，但已為增長做好準備。根據(jù)WSTS的數(shù)據(jù)，2024年第一季度全球半導體市場規(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

  半導體 存儲芯片 智能手機

  6.8k瀏覽量

• 發(fā)布了文章 2024-05-28 08:27

  AIGC+實時云渲染：開啟3D內(nèi)容生態(tài)的黃金時代

  

  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步，并逐漸幫助甚至取代了人類進行復雜的創(chuàng)作活動。人工智能已經(jīng)從以前的理解演變?yōu)樽詣由蓛?nèi)容，這宣布了人工智能時代的到來。AIGC的全稱是“人工智能生成內(nèi)容”（AIGeneratedContent）”?！八且粋€涉及自然語言處理的宏大概念（NaturalLanguageProcessi

  3D AIGC 人工智能

  1.2k瀏覽量

• 發(fā)布了文章 2024-05-25 08:27

  高性能計算集群的能耗優(yōu)化

  

  高性能計算（HighPerformanceComputing，HPC）是指利用大規(guī)模并行計算機集群來解決復雜的科學和工程問題的技術(shù)。高性能計算集群的應(yīng)用領(lǐng)域非常廣泛，包括天氣預(yù)報、生物信息學、人工智能、大數(shù)據(jù)分析等。隨著高性能計算集群的規(guī)模和性能的不斷提升，其能耗問題也日益突出。高性能計算集群的能耗不僅增加了運行成本，還對環(huán)境造成了不利影響，例如溫室氣體排放

  人工智能 高性能計算

  865瀏覽量

• 發(fā)布了文章 2024-05-24 08:27

  人工智能需要強大的計算能力，光芯片有幫助嗎？

  

  光學神經(jīng)網(wǎng)絡(luò)使用光子而不是電子，比傳統(tǒng)系統(tǒng)具有優(yōu)勢。摩爾定律已經(jīng)相當快了。它認為，計算機芯片每兩年左右就會安裝兩倍數(shù)量的晶體管，從而在速度和效率上產(chǎn)生重大飛躍。但深度學習時代的計算需求增長速度甚至更快——這種速度可能不可持續(xù)。國際能源署預(yù)測，2026年人工智能消耗的電力將是2023年的10倍。計算硬件公司Lightmat

  人工智能 光芯片 計算機芯片

  1.1k瀏覽量

• 發(fā)布了文章 2024-05-23 08:27

  CPU渲染和GPU渲染優(yōu)劣分析

  

  使用計算機進行渲染時，有兩種流行的系統(tǒng)：基于中央處理單元(CPU)或基于圖形處理單元(GPU)。CPU渲染利用計算機的CPU來執(zhí)行場景并將其渲染到接近完美。這也是執(zhí)行渲染的更傳統(tǒng)方式。然而，隨著GPU的出現(xiàn)，基于GPU的渲染獲得了很大的普及。這些GPU是特定用途的芯片，在某些情況下提供與CPU渲染相當?shù)慕Y(jié)果。從廣義上講，GPU渲染允許同時運行更多的并行進程，

  cpu gpu 芯片

  1.3k瀏覽量

• 發(fā)布了文章 2024-05-21 08:27

  人工智能將加速RISC-V的采用：全球占比將達25%

  

  根據(jù)Omdia的最新研究，到2030年，RISC-V處理器將占據(jù)全球市場的近四分之一。盡管工業(yè)領(lǐng)域仍將是該技術(shù)最大的應(yīng)用領(lǐng)域，但預(yù)計開放標準指令集架構(gòu)(ISA)將在汽車領(lǐng)域?qū)崿F(xiàn)最強勁的增長。此外，人工智能(AI)的興起也有助于RISC-V的持續(xù)崛起。RISC-V值得注意的是，它是免許可的，允許任何人使用該

  AI RISC-V 人工智能 處理器

  918瀏覽量