文章
-
大語言模型的解碼策略與關(guān)鍵優(yōu)化總結(jié)2025-02-18 12:00
-
智算中心的核心硬件是什么?2025-02-17 14:42
-
清華大學(xué)發(fā)布:DeepSeek從入門到精通2025-02-14 09:49
-
人工智能大模型年度發(fā)展趨勢報告2025-02-13 10:57
-
小白學(xué)解釋性AI:從機器學(xué)習(xí)到大模型2025-02-10 12:12
科學(xué)AI需要可解釋性人工智能的崛起,尤其是深度學(xué)習(xí)的發(fā)展,在眾多領(lǐng)域帶來了令人矚目的進(jìn)步。然而,伴隨這些進(jìn)步而來的是一個關(guān)鍵問題——“黑箱”問題。許多人工智能模型,特別是復(fù)雜的模型,如神經(jīng)網(wǎng) -
AR和VR中的計算機視覺2025-02-08 14:29
-
GPU 性能原理拆解2025-02-08 14:29
-
Imagination D系列GPU:關(guān)于2D 雙速率紋理處理2025-02-08 14:28
對于每一代GPU,Imagination內(nèi)部的性能團(tuán)隊都會運行廣泛的測試內(nèi)容,分析并理解不同類型的工作負(fù)載及其瓶頸。作為分析的一部分,數(shù)據(jù)顯示許多現(xiàn)代游戲在執(zhí)行后處理算法上花費了越來越多的時間,以實現(xiàn)景深、光暈、模糊等效果。大多數(shù)這些后處理過程都是以紋理采樣為主的過濾效果,它們對算術(shù)邏輯單元(ALU)的要求不高,但受限于紋理處理單元(TPU)的吞吐率。解決這 -
Kaggle知識點:7種超參數(shù)搜索方法2025-02-08 14:28
數(shù)據(jù)科學(xué)超參數(shù)搜索確實是機器學(xué)習(xí)生命周期中不可或缺的一步,特別是在模型性能方面。正確的超參數(shù)選擇可以顯著提高模型的準(zhǔn)確性、對未見數(shù)據(jù)的泛化能力以及收斂速度。不當(dāng)?shù)某瑓?shù)選擇可能導(dǎo)致過擬合或欠擬合等問題。一些常見的超參數(shù)例子包括梯度基算法中的學(xué)習(xí)率,或者決策樹算法中樹的深度,這些可以直接影響模型準(zhǔn)確擬合訓(xùn)練數(shù)據(jù)的能力。超參數(shù)調(diào)優(yōu)涉及在復(fù)雜的、高維的超參數(shù)空間中 -
高性能計算,名副其實的“算力皇冠”2025-02-08 14:27