本文從硬件加速的視角考察深度學(xué)習(xí)與FPGA，指出有哪些趨勢(shì)和創(chuàng)新使得這些技術(shù)相互匹配，并激發(fā)對(duì)FPGA如何幫助深度學(xué)習(xí)領(lǐng)域發(fā)展的探討。
2016-03-24 13:41:06
2819 相比GPU和GPP，F(xiàn)PGA在滿足深度學(xué)習(xí)的硬件需求上提供了具有吸引力的替代方案。憑借流水線并行計(jì)算的能力和高效的能耗，F(xiàn)PGA將在一般的深度學(xué)習(xí)應(yīng)用中展現(xiàn)GPU和GPP所沒(méi)有的獨(dú)特優(yōu)勢(shì)。同時(shí)，算法
2016-07-28 12:16:387665 深度學(xué)習(xí)在這十年，甚至是未來(lái)幾十年內(nèi)都有可能是最熱門的話題。雖然深度學(xué)習(xí)已是廣為人知了，但它并不僅僅包含數(shù)學(xué)、建模、學(xué)習(xí)和優(yōu)化。算法必須在優(yōu)化后的硬件上運(yùn)行，因?yàn)?b class="flag-6" style="color: red">學(xué)習(xí)成千上萬(wàn)的數(shù)據(jù)可能需要長(zhǎng)達(dá)幾周的時(shí)間。因此，深度學(xué)習(xí)網(wǎng)絡(luò)亟需更快、更高效的硬件。接下來(lái)，讓我們重點(diǎn)來(lái)看深度學(xué)習(xí)的硬件架構(gòu)。
2016-11-18 16:00:376007 英偉達(dá)在 2016 年的強(qiáng)勢(shì)崛起，GPGPU （GPU 通用計(jì)算）功不可沒(méi)。有許多原因使 2016 稱得上是 GPU 之年。但事實(shí)上，除了在核心領(lǐng)域（深度學(xué)習(xí)、VR、自動(dòng)駕駛），為什么把 GPU 用于通用計(jì)算仍然很模糊。
2017-03-14 10:07:453528 目前大多數(shù)的機(jī)器學(xué)習(xí)是在處理器上完成的，大多數(shù)機(jī)器學(xué)習(xí)軟件會(huì)針對(duì)GPU進(jìn)行更多的優(yōu)化，甚至有人認(rèn)為學(xué)習(xí)加速必須在GPU上才能完成，但事實(shí)上無(wú)論是運(yùn)行機(jī)器學(xué)習(xí)的處理器還是優(yōu)化的深度學(xué)習(xí)框架，都不
2018-03-14 18:29:098738 3GPP的目標(biāo)是實(shí)現(xiàn)由2G網(wǎng)絡(luò)到3G網(wǎng)絡(luò)的平滑過(guò)渡，保證未來(lái)技術(shù)的后向兼容性，支持輕松建網(wǎng)及系統(tǒng)間的漫游和兼容性。
2019-09-20 09:10:03
理解，但是在其高冷的背后，卻有深遠(yuǎn)的應(yīng)用場(chǎng)景和未來(lái)。深度學(xué)習(xí)是實(shí)現(xiàn)機(jī)器學(xué)習(xí)的一種方式或一條路徑。其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù)。比如其按特定的物理距離連接
2018-07-04 16:07:53
的數(shù)據(jù)可以對(duì)未來(lái)的數(shù)據(jù)進(jìn)行推測(cè)與模擬，因此都是使用歷史數(shù)據(jù)建立模型，即使用已經(jīng)產(chǎn)生的數(shù)據(jù)去訓(xùn)練，然后使用該模型去擬合未來(lái)的數(shù)據(jù)。 在我們機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的訓(xùn)練過(guò)程中，經(jīng)常會(huì)出現(xiàn)過(guò)擬合和欠擬合的現(xiàn)象。訓(xùn)練一開(kāi)始，模型通常會(huì)欠擬合，所以會(huì)對(duì)模型進(jìn)行優(yōu)化，然而等到訓(xùn)練到一定程度的時(shí)候，就需要解決過(guò)擬合的問(wèn)題了。
2021-01-28 06:57:47
在未來(lái)的某個(gè)時(shí)候，人們必定能夠相對(duì)自如地運(yùn)用人工智能，安全地駕車出行。這個(gè)時(shí)刻何時(shí)到來(lái)我無(wú)法預(yù)見(jiàn)；但我相信，彼時(shí)“智能”會(huì)顯現(xiàn)出更“切實(shí)”的意義。與此同時(shí)，通過(guò)深度學(xué)習(xí)方法，人工智能的實(shí)際應(yīng)用能夠在
2022-11-11 07:55:50
深度學(xué)習(xí)常用模型有哪些？深度學(xué)習(xí)常用軟件工具及平臺(tái)有哪些？深度學(xué)習(xí)存在哪些問(wèn)題？
2021-10-14 08:20:47
摘要與深度學(xué)習(xí)算法的進(jìn)步超越硬件的進(jìn)步，你如何確保算法明天是一個(gè)很好的適合現(xiàn)有的人工智能芯片下發(fā)展？，這些人工智能芯片大多是為今天的人工智能算法算法進(jìn)化，這些人工智能芯片的許多設(shè)計(jì)都可能成為甚至在
2020-11-01 09:28:57
TensorFlow&TensorFlow-GPU：深度學(xué)習(xí)框架TensorFlow&TensorFlow-GPU的簡(jiǎn)介、安裝、使用方法詳細(xì)攻略
2018-12-25 17:21:10
CPU優(yōu)化深度學(xué)習(xí)框架和函數(shù)庫(kù)機(jī)器學(xué)***器
2021-02-22 06:01:02
的合著者之一，說(shuō)：“深度學(xué)習(xí)是AI中最令人興奮的領(lǐng)域，因?yàn)槲覀円呀?jīng)看到了深度學(xué)習(xí)帶來(lái)的巨大進(jìn)步和大量應(yīng)用。雖然AI 和DNN 研究?jī)A向于使用 GPU，但我們發(fā)現(xiàn)應(yīng)用領(lǐng)域和英特爾下一代FPGA 架構(gòu)之間
2017-04-27 14:10:12
。FPGA的優(yōu)勢(shì)就是可編程可配置，邏輯資源多，功耗低，而且賽靈思等都在極力推廣。不知道用FPGA做深度學(xué)習(xí)未來(lái)會(huì)怎樣發(fā)展，能走多遠(yuǎn)，你怎么看。
A：FPGA 在深度學(xué)習(xí)領(lǐng)域具有獨(dú)特的優(yōu)勢(shì)和潛力，未來(lái)
2024-09-27 20:53:31
現(xiàn)場(chǎng)可編程門陣列 (FPGA) 解決了 GPU 在運(yùn)行深度學(xué)習(xí)模型時(shí)面臨的許多問(wèn)題
在過(guò)去的十年里，人工智能的再一次興起使顯卡行業(yè)受益匪淺。英偉達(dá) (Nvidia) 和 AMD 等公司的股價(jià)也大幅
2024-03-21 15:19:45
Mali GPU 支持tensorflow或者caffe等深度學(xué)習(xí)模型嗎？ 好像caffe2go和tensorflow lit可以部署到ARM，但不知道是否支持在GPU運(yùn)行？我希望把訓(xùn)練
2022-09-16 14:13:01
最耳熟能詳?shù)木褪荰ensorFlow，但再稍有了解的，會(huì)知道TensorFlow太過(guò)于底層，實(shí)現(xiàn)深度學(xué)習(xí)的過(guò)程復(fù)雜，但其框架是相當(dāng)好的，Keras相比TensorFlow，具有簡(jiǎn)單易用的特點(diǎn)，更適合深度學(xué)習(xí)
2018-06-04 22:32:12
]`labview調(diào)用高性能YOLOV5：http://t.elecfans.com/c1659.html 讓你的CPU也可以運(yùn)行最新深度學(xué)習(xí)模型labview調(diào)用高性能Tensorflow+YOLOV4：http://t.elecfans.com/c1553.html 讓你的GPU也可以運(yùn)行最新深度學(xué)習(xí)模型
2021-06-03 16:38:25
。由于深度學(xué)習(xí)需要使用海量數(shù)據(jù)來(lái)進(jìn)行業(yè)務(wù)訓(xùn)練，因此計(jì)算資源需求很大，動(dòng)則幾十上百個(gè)GPU，甚至上千GPU等等；同時(shí)訓(xùn)練時(shí)間也很長(zhǎng)，每次訓(xùn)練都是以天、周或甚至月年為單位。但是，開(kāi)源的分布式訓(xùn)練框架，在保證
2018-08-02 20:44:09
的參數(shù)空間已從百萬(wàn)級(jí)上升到百億級(jí)，這對(duì)計(jì)算能力提出了新的挑戰(zhàn)。相比CPU，GPU更適合深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型，可進(jìn)行高度統(tǒng)異構(gòu)計(jì)算明星規(guī)格族“GN5”。阿里云異構(gòu)計(jì)算通用實(shí)例“GN5”規(guī)格族就是一款
2017-12-26 11:22:09
的未來(lái)方向提出關(guān)鍵建議，幫助解決今后深度學(xué)習(xí)所面臨的問(wèn)題。2. FPGA傳統(tǒng)來(lái)說(shuō)，在評(píng)估硬件平臺(tái)的加速時(shí)，必須考慮到靈活性和性能之間的權(quán)衡。一方面，通用處理器（GPP）可提供高度的靈活性和易用性，但性能
2018-08-13 09:33:30
都出現(xiàn)了重大突破。深度學(xué)習(xí)是這些領(lǐng)域中所最常使用的技術(shù)，也被業(yè)界大為關(guān)注。然而，深度學(xué)習(xí)模型需要極為大量的數(shù)據(jù)和計(jì)算能力，只有更好的硬件加速條件，才能滿足現(xiàn)有數(shù)據(jù)和模型規(guī)模繼續(xù)擴(kuò)大的需求?！ ?FPGA
2019-10-10 06:45:41
深度學(xué)習(xí)是什么意思
2020-11-11 06:58:03
頻率低于 CPU 和 GPU，除非設(shè)計(jì)實(shí)現(xiàn)，否則性能往往較差。與 CPU 和 GPU 相比實(shí)施成本高，F(xiàn)PGA 上支持深度學(xué)習(xí)的軟件較少很多DNN參數(shù)量大，很難在FPGA上簡(jiǎn)單實(shí)現(xiàn)需要高數(shù)據(jù)精度
2023-02-17 16:56:59
怎么為自己的深度學(xué)習(xí)機(jī)器選擇合適的GPU配置呢？對(duì)于那些一直想進(jìn)行深度學(xué)習(xí)研究的同學(xué)來(lái)說(shuō)，一直是個(gè)比較糾結(jié)的問(wèn)題，既要考慮到使用的場(chǎng)景，又要考慮到價(jià)格等各方面因素。如何選擇深度學(xué)習(xí)的組件？這真的很
2018-09-19 13:56:36
四大旗艦處理器相繼曝光，華為、蘋果、三星、高通誰(shuí)才是SOC的無(wú)冕之王？
2020-06-03 14:41:27
本文由回映電子整理分享，歡迎工程老獅們參與學(xué)習(xí)與評(píng)論內(nèi)容? 射頻系統(tǒng)中的深度學(xué)習(xí)? Deepwave Digital技術(shù)? 信號(hào)檢測(cè)和分類示例? GPU的實(shí)時(shí)DSP基準(zhǔn)測(cè)試? 總結(jié)回映電子是一家
2022-01-05 10:00:58
現(xiàn)場(chǎng)總線、以太網(wǎng)、無(wú)線技術(shù)各有優(yōu)劣，那么誰(shuí)才會(huì)是未來(lái)的主流呢？顯然對(duì)所有生產(chǎn)商或機(jī)器并非只有一種技術(shù)才是“正確的”方案？生產(chǎn)商必須權(quán)衡各類方案帶來(lái)的價(jià)值。有沒(méi)有比采用普通方案帶來(lái)的利益更有
2019-09-29 09:49:13
新手小白想用GPU云服務(wù)器跑深度學(xué)習(xí)應(yīng)該怎么做?
用個(gè)人主機(jī)通常pytorch可以跑但是LexNet，AlexNet可能就直接就跑不動(dòng),如何實(shí)現(xiàn)更經(jīng)濟(jì)便捷的實(shí)現(xiàn)GPU云服務(wù)器深度學(xué)習(xí)?
2024-06-11 17:09:28
機(jī)器學(xué)習(xí)的未來(lái)在工業(yè)領(lǐng)域采用機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)和大數(shù)據(jù)
2021-01-27 06:02:18
本帖最后由 會(huì)飛的鴨子 于 2014-4-2 16:59 編輯
選出誰(shuí)才是真正的高手，誰(shuí)才是大牛！吳鑒鷹單片機(jī)項(xiàng)目詳細(xì)解析系列（連載）之基于單片機(jī)的實(shí)戰(zhàn)項(xiàng)目社區(qū)之星-單片機(jī)達(dá)人-吳鑒鷹社區(qū)之星
2014-04-01 13:29:41
怎樣從傳統(tǒng)機(jī)器學(xué)習(xí)方法過(guò)渡到深度學(xué)習(xí)？
2021-10-14 06:51:23
請(qǐng)問(wèn)一下什么是深度學(xué)習(xí)？
2021-08-30 07:35:21
有時(shí)候你會(huì)想弄清楚某位工程師的基本技術(shù)能力與背景，到底誰(shuí)才是擁有“真才實(shí)料”的真正工程師，誰(shuí)又只會(huì)在那里自我吹噓。
2012-02-07 10:27:091772 為幫助數(shù)據(jù)科學(xué)家和開(kāi)發(fā)人員充分利用深度學(xué)習(xí)領(lǐng)域中的機(jī)遇，NVIDIA為其深度學(xué)習(xí)軟件平臺(tái)發(fā)布了三項(xiàng)重大更新，它們分別是NVIDIA DIGITS 4、CUDA深度神經(jīng)網(wǎng)絡(luò)庫(kù)(cuDNN)5.1和全新的GPU推理引擎(GIE)?！ ?
NVIDIA深度學(xué)習(xí)軟件平臺(tái)推三項(xiàng)重大更新
2016-08-06 15:00:262307 FPGA是深度學(xué)習(xí)的未來(lái)，學(xué)習(xí)資料，感興趣的可以看看。
2016-10-26 15:29:04
0 2017年美國(guó)拉斯維加斯國(guó)際消費(fèi)類電子產(chǎn)品展覽會(huì)CES 2017上，OLED平板電視和激光電視成為電視行業(yè)最大亮點(diǎn)。對(duì)于未來(lái)電視的走向，也劃分為OLED和激光電視兩個(gè)陣營(yíng)，OLED和激光電視誰(shuí)才是客廳的霸主？
2017-01-10 15:26:501702 處理器、內(nèi)存、GPU誰(shuí)才是決定手機(jī)卡頓的關(guān)鍵安卓手機(jī)使用一段時(shí)間后會(huì)出現(xiàn)卡頓，相信不少用戶都遇到過(guò)。
2017-04-01 10:43:3915356 項(xiàng)目組基于深度學(xué)習(xí)實(shí)現(xiàn)了視頻風(fēng)格化和人像摳圖的功能，但這是在PC/服務(wù)端上跑的，現(xiàn)在需要移植到移動(dòng)端，因此需要一個(gè)移動(dòng)端的深度學(xué)習(xí)的計(jì)算框架。 同類型的庫(kù) caffe-Android-lib 目前
2017-09-28 20:02:260 NVIDIA創(chuàng)始人黃仁勛表示TITAN V GPU擁有210億個(gè)晶體管，基于Volta 架構(gòu)設(shè)計(jì)，110 TFLOP 的深度學(xué)習(xí)運(yùn)算能力是上一代的9 倍，可以說(shuō)是全球最強(qiáng)的PC級(jí)GPU。
2017-12-15 13:38:382210 本文談了談gpu的一些重要的硬件組成，就深度學(xué)習(xí)而言，我覺(jué)得對(duì)內(nèi)存的需求還是比較大的，core多也并不是能夠全部用上，但現(xiàn)在開(kāi)源的庫(kù)實(shí)在完整，想做卷積運(yùn)算有cudnn，想做卷積神經(jīng)網(wǎng)絡(luò)caffe
2018-01-06 12:01:094197 
隨著深度學(xué)習(xí)不斷取得進(jìn)展，開(kāi)發(fā)者們對(duì)在移動(dòng)設(shè)備上的部署神經(jīng)網(wǎng)絡(luò)的需求也與日俱增。和我們之前在桌面級(jí)GPU上做過(guò)的嘗試類似，把深度學(xué)習(xí)框架移植到移動(dòng)端需要做到這兩點(diǎn)：夠快的inference速度和合
2018-01-18 13:38:0011626 幾乎所有深度學(xué)習(xí)的研究者都在使用GPU，但是對(duì)比深度學(xué)習(xí)硬鑒方案，ASIC、FPGA、GPU三種究竟哪款更被看好？主要是認(rèn)清對(duì)深度學(xué)習(xí)硬件平臺(tái)的要求。
2018-02-02 15:21:4010933 
近年來(lái)，深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)中比較火的一種方法出現(xiàn)在我們面前，但是和非深度學(xué)習(xí)的機(jī)器學(xué)習(xí)相比（我將深度學(xué)習(xí)歸于機(jī)器學(xué)習(xí)的領(lǐng)域內(nèi)），還存在著幾點(diǎn)很大的不同，具體來(lái)說(shuō)，有以下幾點(diǎn).
2018-05-02 10:30:004657 與NIPS展示的研究類似，多模態(tài)圖像轉(zhuǎn)換依賴于無(wú)監(jiān)督式學(xué)習(xí)和生成式對(duì)抗網(wǎng)絡(luò) (GAN) 這兩項(xiàng)深度學(xué)習(xí)技術(shù)，賦予設(shè)備更多“想象力”，例如“想象”一條陽(yáng)光普照的街道在暴風(fēng)雨或冬季時(shí)的景象。
2018-04-27 11:12:595215 本文是推出的人工智能深度學(xué)習(xí)綜述，也是Hinton、LeCun和Bengio三位大神首次合寫同一篇文章。該綜述在深度學(xué)習(xí)領(lǐng)域的重要性不言而喻，可以說(shuō)是所有人入門深度學(xué)習(xí)的必讀作品。
2018-07-30 16:40:3710077 本深度學(xué)習(xí)是什么？了解深度學(xué)習(xí)難嗎?讓你快速了解深度學(xué)習(xí)的視頻講解本文檔視頻讓你4分鐘快速了解深度學(xué)習(xí)
深度學(xué)習(xí)的概念源于人工智能的人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過(guò)組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。
2018-08-23 14:36:1616 是GPU計(jì)算發(fā)展的關(guān)鍵，誰(shuí)能找到最適合深度學(xué)習(xí)的模式，誰(shuí)就是勝利者。結(jié)語(yǔ)：深度學(xué)習(xí)經(jīng)過(guò)這么長(zhǎng)時(shí)間的發(fā)展，在網(wǎng)絡(luò)的種類、復(fù)雜程度和處理的信息量上都發(fā)生了天翻地覆的變化。當(dāng)前，網(wǎng)絡(luò)種類上，從早
2019-07-29 18:21:241780 在很多人眼里，深度學(xué)習(xí)是一個(gè)非常神奇的技術(shù)，是人工智能的未來(lái)，是機(jī)器學(xué)習(xí)的圣杯。今天大恒圖像帶您一起揭開(kāi)他神秘的面紗，了解什么才是深度學(xué)習(xí)。
2019-04-20 09:36:554264 未來(lái)的深度學(xué)習(xí)能夠在微型的、低功耗的芯片上自由地奔跑。換句話說(shuō)，單片機(jī) （MCU） ，有一天會(huì)成為深度學(xué)習(xí)最肥沃的土壤。這里面的邏輯走得有些繞，但好像還是有點(diǎn)道理的。
2019-06-04 17:52:001 從 2016 年 AlphaGo 戰(zhàn)勝李世石掀起深度學(xué)習(xí)的熱潮，到如今深度學(xué)習(xí)寒冬論甚囂塵上，短短兩三年時(shí)間，深度學(xué)習(xí)被唱衰，如今在產(chǎn)業(yè)互聯(lián)網(wǎng)的高速發(fā)展下深度學(xué)習(xí)又該走向何方？未來(lái)的發(fā)展方向在何方？
2019-07-12 11:04:424101 GPU與CPU比較，GPU為什么更適合深度學(xué)習(xí)?
2019-08-26 15:32:005901 近來(lái)，隨著新能源汽車補(bǔ)貼下坡、電池技術(shù)發(fā)展等引發(fā)的爭(zhēng)議越來(lái)越多。華車網(wǎng)注意到，在爭(zhēng)議中，關(guān)于何種動(dòng)力電池
才是“
未來(lái)”的爭(zhēng)議最為激烈，有說(shuō)氫能源
才是“
未來(lái)”，也有說(shuō)鋰電池更加“環(huán)?！薄?/div>
2019-09-20 08:55:522181 近十年來(lái)，人工智能又到了一個(gè)快速發(fā)展的階段。深度學(xué)習(xí)在其發(fā)展中起到了中流砥柱的作用，盡管擁有強(qiáng)大的模擬預(yù)測(cè)能力，深度學(xué)習(xí)還面臨著超大計(jì)算量的問(wèn)題。在硬件層面上，GPU，ASIC，F(xiàn)PGA都是解決龐大計(jì)算量的方案。
2019-10-22 15:26:211338 深度學(xué)習(xí)的最新成功是由于大量數(shù)據(jù)（大數(shù)據(jù)）的可用性增加以及圖形處理單元（GPU）的出現(xiàn)，顯著增加了用于訓(xùn)練計(jì)算機(jī)的數(shù)據(jù)的廣度和深度，并減少了所需的時(shí)間用于訓(xùn)練深度學(xué)習(xí)算法。
2020-04-02 09:20:183001 與其他機(jī)器學(xué)習(xí)技術(shù)相比，深度學(xué)習(xí)的主要優(yōu)勢(shì)在于它能夠自動(dòng)學(xué)習(xí)輸入數(shù)據(jù)的抽象表示。
2020-05-03 18:02:002530 事實(shí)上，今天在汽車行業(yè)，GPU的用例幾乎涵蓋了從ADAS到自動(dòng)駕駛，從儀表到中控信息娛樂(lè)等等多個(gè)車載系統(tǒng)。而在實(shí)際大規(guī)模量產(chǎn)落地領(lǐng)域，基于深度學(xué)習(xí)的ADAS系統(tǒng)，是GPU的主力市場(chǎng)。
2020-08-22 09:48:512963 
在 AI 算力爆炸式增長(zhǎng)的過(guò)程中，英偉達(dá)的 GPU 功不可沒(méi)。廣為人知的一個(gè)故事就是 2012 年，來(lái)自多倫多大學(xué)的 Alex 和他的團(tuán)隊(duì)設(shè)計(jì)了 AlexNet 的深度學(xué)習(xí)算法，并用了 2 個(gè)英偉達(dá)
2020-10-09 16:10:173002 提出來(lái)。不過(guò)，總的來(lái)說(shuō)，現(xiàn)代深度學(xué)習(xí)可以分為三種基本的學(xué)習(xí)范式。每一種都有自己的學(xué)習(xí)方法和理念，提升了機(jī)器學(xué)習(xí)的能力，擴(kuò)大了其范圍。 本文最初發(fā)布于 Towards Data Science 博客，由 InfoQ 中文站翻譯并分享。 深度學(xué)習(xí)的未來(lái)在于這三種學(xué)習(xí)模式，而且它們
2020-10-23 09:37:252666 
在很多人眼里，深度學(xué)習(xí)是一個(gè)非常神奇的技術(shù)，是人工智能的未來(lái)，是機(jī)器學(xué)習(xí)的圣杯。今天致瑞圖像帶您一起揭開(kāi)他神秘的面紗，了解什么才是深度學(xué)習(xí)。 當(dāng)我們?cè)诰W(wǎng)絡(luò)上搜索深度學(xué)習(xí)的時(shí)候往往還能搜到人工智能
2020-10-31 11:03:153100 
最近一段時(shí)間，隨著特斯拉的輪番降價(jià)，新能源汽車的普及顯得越來(lái)越容易，面對(duì)著新能源汽車的發(fā)展，一個(gè)重要的問(wèn)題擺在大家的問(wèn)題，從充電樁到換電站，誰(shuí)才是新能源汽車的真正未來(lái)？
2020-11-16 16:33:274707 當(dāng)前機(jī)器學(xué)習(xí)訓(xùn)練中，使用GPU提供算力已經(jīng)非常普遍，對(duì)于GPU-based AI system的研究也如火如荼。在這些研究中，以提高資源利用率為主要目標(biāo)的GPU共享(GPU sharing)是當(dāng)下
2020-11-27 10:06:214427 隨著人工智能浪潮席卷現(xiàn)代社會(huì)，不少人對(duì)于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等名詞已經(jīng)耳熟能詳?？梢灶A(yù)見(jiàn)的是，在未來(lái)的幾年里，無(wú)論是在業(yè)界還是學(xué)界，擁有深度學(xué)習(xí)和機(jī)器學(xué)習(xí)能力的企業(yè)都將扮演重要角色。
2021-02-02 10:56:3211557 到底誰(shuí)才是頂級(jí)旗艦？自從驍龍888手機(jī)上市之后，這個(gè)問(wèn)題就很難有答案。因?yàn)椴簧偃藦?qiáng)調(diào)，驍龍888真的翻車了，驍龍865依然能打。那真是這樣嗎？其實(shí)看看跑分就有答案，安兔兔公布了今年1月的旗艦手機(jī)跑分，從跑分情況來(lái)看，驍龍888穩(wěn)坐第一還是沒(méi)懸念的，只不過(guò)最大的問(wèn)題，也許是沒(méi)有想象中那么強(qiáng)而已。
2021-02-04 17:08:012028 早期的機(jī)器學(xué)習(xí)以搜索為基礎(chǔ)，主要依靠進(jìn)行過(guò)一定優(yōu)化的暴力方法。但是隨著機(jī)器學(xué)習(xí)逐漸成熟，它開(kāi)始專注于加速技術(shù)已經(jīng)很成熟的統(tǒng)計(jì)方法和優(yōu)化問(wèn)題。同時(shí)深度學(xué)習(xí)的問(wèn)世更是帶來(lái)原本可能無(wú)法實(shí)現(xiàn)的優(yōu)化方法。本文
2021-02-26 06:11:435 覺(jué)信息的理解可以被再現(xiàn)甚至超越。借助深度學(xué)習(xí)，作為機(jī)器學(xué)習(xí)的一部分，可以在應(yīng)用實(shí)例的基礎(chǔ)上學(xué)習(xí)和訓(xùn)練復(fù)雜的關(guān)系。 機(jī)器學(xué)習(xí)中的另一種技術(shù)是例如“超級(jí)矢量機(jī)”。與深度學(xué)習(xí)相比，必須手動(dòng)定義和驗(yàn)證功能。在深度學(xué)習(xí)中
2021-03-12 16:11:008984 
你還在為神經(jīng)網(wǎng)絡(luò)模型里的冗余信息煩惱嗎？ 或者手上只有CPU，對(duì)一些只能用昂貴的GPU建立的深度學(xué)習(xí)模型“望眼欲穿”嗎？ 最近，創(chuàng)業(yè)公司Neural Magic帶來(lái)了一種名叫新的稀疏化方法，可以幫你
2021-06-10 15:33:022848 
深度學(xué)習(xí)是推動(dòng)當(dāng)前人工智能大趨勢(shì)的關(guān)鍵技術(shù)。在 MATLAB 中可以實(shí)現(xiàn)深度學(xué)習(xí)的數(shù)據(jù)準(zhǔn)備、網(wǎng)絡(luò)設(shè)計(jì)、訓(xùn)練和部署全流程開(kāi)發(fā)和應(yīng)用。聯(lián)合高性能 NVIDIA GPU 加快深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練和推斷。
2022-02-18 13:31:442702 隨著人們對(duì)深度學(xué)習(xí)（ deep learning ， DL ）興趣的日益濃厚，越來(lái)越多的用戶在生產(chǎn)環(huán)境中使用 DL 。由于 DL 需要強(qiáng)大的計(jì)算能力，開(kāi)發(fā)人員正在利用 gpu 來(lái)完成他們的訓(xùn)練和推理工作。
2022-04-27 09:54:472887 
部署到嵌入式 GPU 也很受歡迎，因?yàn)樗梢栽诓渴鸬沫h(huán)境中提供快速的推理速度。GPU Coder 支持從 MATLAB 中的深度學(xué)習(xí)模型生成代碼，該模型利用來(lái)自 Intel、NVIDIA
2022-07-08 15:23:342027 三維圖形是 GPU 擁有如此大的內(nèi)存和計(jì)算能力的根本原因，它與 深度神經(jīng)網(wǎng)絡(luò) 有一個(gè)共同之處：都需要進(jìn)行大量矩陣運(yùn)算。
2022-08-06 15:56:021247 GPU 引領(lǐng)的深度學(xué)習(xí)
2023-01-04 11:17:161202 與傳統(tǒng)機(jī)器學(xué)習(xí)相比，深度學(xué)習(xí)是從數(shù)據(jù)中學(xué)習(xí)，而大模型則是通過(guò)使用大量的模型來(lái)訓(xùn)練數(shù)據(jù)。深度學(xué)習(xí)可以處理任何類型的數(shù)據(jù)，例如圖片、文本等等；但是這些數(shù)據(jù)很難用機(jī)器完成。大模型可以訓(xùn)練更多類別、多個(gè)級(jí)別的模型，因此可以處理更廣泛的類型。另外：在使用大模型時(shí)，可能需要一個(gè)更全面或復(fù)雜的數(shù)學(xué)和數(shù)值計(jì)算的支持。
2023-02-16 11:32:372829 基于深度學(xué)習(xí)的車牌識(shí)別，其中，車輛檢測(cè)網(wǎng)絡(luò)直接使用YOLO偵測(cè)。而后，才是使用網(wǎng)絡(luò)偵測(cè)車牌與識(shí)別車牌號(hào)。
2023-02-19 10:37:231281 基于深度學(xué)習(xí)的車牌識(shí)別，其中，車輛檢測(cè)網(wǎng)絡(luò)直接使用YOLO偵測(cè)。而后，才是使用網(wǎng)絡(luò)偵測(cè)車牌與識(shí)別車牌號(hào)。
2023-02-19 11:35:573175 當(dāng)今的深度學(xué)習(xí)應(yīng)用如此廣泛，它們能夠?yàn)獒t(yī)療保健、金融、交通、軍事等各行各業(yè)提供支持，但是大規(guī)模的深度學(xué)習(xí)計(jì)算對(duì)于傳統(tǒng)的中央處理器（CPU）和圖形處理器（GPU）來(lái)說(shuō)是非常耗時(shí)和資源密集的。
2023-03-09 09:35:243524 深度學(xué)習(xí)可以學(xué)習(xí)視覺(jué)輸入的模式，以預(yù)測(cè)組成圖像的對(duì)象類。用于圖像處理的主要深度學(xué)習(xí)架構(gòu)是卷積神經(jīng)網(wǎng)絡(luò)(CNN)，或者是特定的CNN框架，如AlexNet、VGG、Inception和ResNet。計(jì)算機(jī)視覺(jué)的深度學(xué)習(xí)模型通常在專門的圖形處理單元(GPU)上訓(xùn)練和執(zhí)行，以減少計(jì)算時(shí)間。
2023-05-05 11:35:282020 早期的機(jī)器學(xué)習(xí)以搜索為基礎(chǔ)，主要依靠進(jìn)行過(guò)一定優(yōu)化的暴力方法。但是隨著機(jī)器學(xué)習(xí)逐漸成熟，它開(kāi)始專注于加速技術(shù)已經(jīng)很成熟的統(tǒng)計(jì)方法和優(yōu)化問(wèn)題。同時(shí)深度學(xué)習(xí)的問(wèn)世更是帶來(lái)原本可能無(wú)法實(shí)現(xiàn)的優(yōu)化方法。本文將介紹現(xiàn)代機(jī)器學(xué)習(xí)如何找到兼顧規(guī)模和速度的新方法。
2023-05-09 09:58:331337 NVIDIA的標(biāo)準(zhǔn)庫(kù)使在CUDA中建立第一個(gè)深度學(xué)習(xí)庫(kù)變得非常容易。早期的優(yōu)勢(shì)加上NVIDIA強(qiáng)大的社區(qū)支持意味著如果使用NVIDIA GPU，則在出現(xiàn)問(wèn)題時(shí)可以輕松得到支持。
2023-07-12 11:49:28916 
什么是深度學(xué)習(xí)算法？深度學(xué)習(xí)算法的應(yīng)用 深度學(xué)習(xí)算法被認(rèn)為是人工智能的核心，它是一種模仿人類大腦神經(jīng)元的計(jì)算模型。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種變體，主要通過(guò)變換各種架構(gòu)來(lái)對(duì)大量數(shù)據(jù)進(jìn)行學(xué)習(xí)以及分類處理
2023-08-17 16:03:043074 深度學(xué)習(xí)框架是什么？深度學(xué)習(xí)框架有哪些？? 深度學(xué)習(xí)框架是一種軟件工具，它可以幫助開(kāi)發(fā)者輕松快速地構(gòu)建和訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型。與手動(dòng)編寫代碼相比，深度學(xué)習(xí)框架可以大大減少開(kāi)發(fā)和調(diào)試的時(shí)間和精力，并提
2023-08-17 16:03:093886 深度學(xué)習(xí)框架和深度學(xué)習(xí)算法教程 深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域中的一個(gè)重要分支，多年來(lái)深度學(xué)習(xí)一直在各個(gè)領(lǐng)域的應(yīng)用中發(fā)揮著極其重要的作用，成為了人工智能技術(shù)的重要組成部分。許多深度學(xué)習(xí)算法和框架提供了
2023-08-17 16:11:261827 近年來(lái)，深度學(xué)習(xí)技術(shù)在語(yǔ)音合成領(lǐng)域取得了顯著的進(jìn)展?；?b class="flag-6" style="color: red">深度學(xué)習(xí)的語(yǔ)音合成技術(shù)能夠生成更加自然、真實(shí)的語(yǔ)音，提高了用戶體驗(yàn)。本文將介紹基于深度學(xué)習(xí)的語(yǔ)音合成技術(shù)的進(jìn)展以及未來(lái)趨勢(shì)。 一、基于深度學(xué)習(xí)
2023-09-16 14:48:212110 GPU最初是為圖形渲染而設(shè)計(jì)的，但是由于其卓越的并行計(jì)算能力，它們很快被引入深度學(xué)習(xí)中。深度學(xué)習(xí)的迅速發(fā)展離不開(kāi)計(jì)算機(jī)圖形處理單元（GPU）的支持，而GPU中的張量核心則被譽(yù)為深度學(xué)習(xí)的秘密武器
2023-09-26 08:29:541745 
在很多人眼里，深度學(xué)習(xí)是一個(gè)非常神奇的技術(shù)，是人工智能的未來(lái)，是機(jī)器學(xué)習(xí)的圣杯。今天深視創(chuàng)新帶您一起揭開(kāi)他神秘的面紗，了解什么才是深度學(xué)習(xí)。
2023-11-09 10:58:021095 
人工智能的飛速發(fā)展，深度學(xué)習(xí)作為其重要分支，正在推動(dòng)著諸多領(lǐng)域的創(chuàng)新。在這個(gè)過(guò)程中，GPU扮演著不可或缺的角色。就像超級(jí)英雄電影中的主角一樣，GPU在深度學(xué)習(xí)中擁有舉足輕重的地位。那么，GPU在深度
2023-12-06 08:27:372443 的發(fā)展，基于深度學(xué)習(xí)的TSC方法逐漸展現(xiàn)出其強(qiáng)大的自動(dòng)特征提取和分類能力。本文將從多個(gè)角度對(duì)深度學(xué)習(xí)在時(shí)間序列分類中的應(yīng)用進(jìn)行綜述，探討常用的深度學(xué)習(xí)模型及其改進(jìn)方法，并展望未來(lái)的研究方向。
2024-07-09 15:54:052906 圖形處理器（GPU）憑借其強(qiáng)大的并行計(jì)算能力，成為加速深度學(xué)習(xí)任務(wù)的理想選擇。
2024-10-17 10:07:031019 GPU在深度學(xué)習(xí)中的應(yīng)用廣泛且重要，以下是一些GPU深度學(xué)習(xí)應(yīng)用案例： 一、圖像識(shí)別 圖像識(shí)別是深度學(xué)習(xí)的核心應(yīng)用領(lǐng)域之一，GPU在加速圖像識(shí)別模型訓(xùn)練方面發(fā)揮著關(guān)鍵作用。通過(guò)利用GPU的并行計(jì)算
2024-10-27 11:13:452278 設(shè)計(jì)的硬件加速器，它在深度學(xué)習(xí)中的應(yīng)用日益廣泛。 1. NPU的基本概念 NPU是一種專門針對(duì)深度學(xué)習(xí)算法優(yōu)化的處理器，它與傳統(tǒng)的CPU和GPU有所不同。NPU通常具有高度并行的處理能力，能夠高效地執(zhí)行深度學(xué)習(xí)中的大規(guī)模矩陣運(yùn)算和數(shù)據(jù)傳輸。這種設(shè)計(jì)使得NPU在處理深度學(xué)習(xí)任務(wù)時(shí)，
2024-11-14 15:17:393171 隨著人工智能技術(shù)的飛速發(fā)展，深度學(xué)習(xí)作為其核心部分，已經(jīng)成為推動(dòng)技術(shù)進(jìn)步的重要力量。GPU（圖形處理單元）在深度學(xué)習(xí)中扮演著至關(guān)重要的角色，其強(qiáng)大的并行處理能力使得訓(xùn)練復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型成為可能
2024-11-19 10:55:522371 ，一個(gè)新的競(jìng)爭(zhēng)力量——LPU（Language Processing Unit，語(yǔ)言處理單元）已悄然登場(chǎng)，LPU專注于解決自然語(yǔ)言處理（NLP）任務(wù)中的順序性問(wèn)題，是構(gòu)建AI應(yīng)用不可或缺的一環(huán)。 本文旨在探討深度學(xué)習(xí)工作負(fù)載中GPU與LPU的主要差異，并深入分析它們的架構(gòu)、
2024-12-09 11:01:184019 
技術(shù)的不斷進(jìn)步，尤其是GPU性能的顯著提升，越來(lái)越多的行業(yè)專家和從業(yè)者開(kāi)始預(yù)測(cè)未來(lái)的渲染工作將逐步轉(zhuǎn)向GPU渲染。然而，CPU渲染真的會(huì)被GPU渲染逐漸取代乃至消失
2025-02-06 11:04:451373 已全部加載完成
電子發(fā)燒友App
工商網(wǎng)監(jiān)
評(píng)論