文章
-
大模型領(lǐng)域常用名詞解釋(近100個(gè))2025-02-19 11:49
本文總結(jié)了大模型領(lǐng)域常用的近100個(gè)名詞解釋,并按照模型架構(gòu)與基礎(chǔ)概念,訓(xùn)練方法與技術(shù),模型優(yōu)化與壓縮,推理與應(yīng)用,計(jì)算與性能優(yōu)化,數(shù)據(jù)與標(biāo)簽,模型評(píng)估與調(diào)試,特征與數(shù)據(jù)處理,倫理與公平性、其他的分類進(jìn)行了整理,以下供參考:模型架構(gòu)與基礎(chǔ)概念大語言模型(LLM,LargeLanguageModel):一種基于深度學(xué)習(xí)的大規(guī)模神經(jīng)網(wǎng)絡(luò)模型,通常采用Transf -
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
智算中心,作為人工智能時(shí)代的關(guān)鍵基礎(chǔ)設(shè)施,其核心硬件的構(gòu)成與性能直接影響著智能計(jì)算的效率與質(zhì)量。以下是對(duì)智算中心核心硬件的詳細(xì)闡述:一、AI芯片AI芯片是專門為加速人工智能計(jì)算而設(shè)計(jì)的硬件,能夠與各種AI算法協(xié)同工作,滿足對(duì)算力的極高需求。當(dāng)前主流的AI加速計(jì)算芯片包括:1、GPU(圖形處理器)GPU是智算中心的算力擔(dān)當(dāng),其強(qiáng)大的并行計(jì)算能力使其在深度學(xué)習(xí)領(lǐng) -
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(shì)報(bào)告2025-02-13 10:57
-
小白學(xué)解釋性AI:從機(jī)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(gè)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(jì)算機(jī)視覺2025-02-08 14:29
增強(qiáng)現(xiàn)實(shí)(AR)和虛擬現(xiàn)實(shí)(VR)正在徹底改變我們與外部世界的互動(dòng)方式。即便是在引人入勝的沉浸式敘事和交互體驗(yàn)背后,這一切魔法都是通過尖端技術(shù)的精妙協(xié)調(diào)創(chuàng)造出來的。增強(qiáng)現(xiàn)實(shí)(AR)與虛擬現(xiàn)實(shí)(VR):計(jì)算機(jī)視覺引領(lǐng)混合現(xiàn)實(shí)體驗(yàn)增強(qiáng)現(xiàn)實(shí)(AR)和虛擬現(xiàn)實(shí)(VR)正在徹底改變我們與外部世界的互動(dòng)方式。即便是在引人入勝的沉浸式 -
GPU 性能原理拆解2025-02-08 14:29
「迷思」是指經(jīng)由人們口口相傳,但又難以證明證偽的現(xiàn)象。由于GPU硬件實(shí)現(xiàn)、驅(qū)動(dòng)實(shí)現(xiàn)是一個(gè)黑盒,我們只能通過廠商提供的API、經(jīng)過抽象的架構(gòu)來了解并猜測(cè)其原理。因此坊間流傳著各種關(guān)于與GPU打交道時(shí)的性能迷思。比如「移動(dòng)端的瓶頸是帶寬」、「移動(dòng)端不需要太在意Overdraw」、「植被需要做PrePass」等等。這些優(yōu)化手段,有時(shí)候我們對(duì)后面的原理一知半解,有時(shí) -
Imagination D系列GPU:關(guān)于2D 雙速率紋理處理2025-02-08 14:28
對(duì)于每一代GPU,Imagination內(nèi)部的性能團(tuán)隊(duì)都會(huì)運(yùn)行廣泛的測(cè)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(fèi)了越來越多的時(shí)間,以實(shí)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(duì)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(shí)點(diǎn):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(shí)是機(jī)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(duì)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