電子發(fā)燒友網(wǎng)技術文庫為您提供最新技術文章，最實用的電子技術文章，是您了解電子技術動態(tài)的最佳平臺。

• RAG系統(tǒng)中答案無關片段對LLMs生成結果的影響分析

  與常見語義無關的答案無關片段相比，LLMs更容易受到高度語義相關的答案無關片段的影響；...

  399次閱讀 · 0評論 Drag大模型LLMs
  

• AI服務器異構計算深度解讀

  AI服務器按芯片類型可分為CPU+GPU、CPU+FPGA、CPU+ASIC等組合形式，CPU+GPU是目前國內(nèi)的主要選擇（占比91.9%）。...

  662次閱讀 · 0評論 gpu服務器異構計算AI服務器大模型
  

• 深度解析機器學習各大模型原理

  聯(lián)結主義類模型是一種模擬人腦神經(jīng)網(wǎng)絡結構和功能的計算模型。其基本單元是神經(jīng)元，每個神經(jīng)元接收來自其他神經(jīng)元的輸入，通過調(diào)整權重來改變輸入對神經(jīng)元的影響。神經(jīng)網(wǎng)絡是一個黑箱子，通過多層的非線性隱藏層的作用，可以達到萬能近似的效果。...

  1696次閱讀 · 0評論 支持向量機機器學習決策樹隨機森林大模型

• 視覺深度學習模型：規(guī)模越大效果越佳嗎？

  評估三類模型：(i) 在ImageNet-21k上預訓練的ViT，(ii) 在LAION-2B上預訓練的OpenCLIP，以及(iii) 在ImageNet-1k上預訓練的MAE。重建損失是所有輸出標記的平均值，并在ImageNet-1k上進行評估。...

  543次閱讀 · 0評論 人工智能深度學習
  

• 自然語言處理應用LLM推理優(yōu)化綜述

  當前，業(yè)界在將傳統(tǒng)優(yōu)化技術引入 LLM 推理的同時，同時也在探索從大模型自回歸解碼特點出發(fā)，通過調(diào)整推理過程和引入新的模型結構來進一步提升推理性能。...

  633次閱讀 · 0評論 人工智能自然語言處理調(diào)度器LLM
  

• 為什么GPU適用于AI？AI服務器產(chǎn)業(yè)鏈格局分析

  GPT模型對比BERT模型、T5模型的參數(shù)量有明顯提升。GPT-3是目前最大的知名語言模型之一，包含了1750億（175B）個參數(shù)。在GPT-3發(fā)布之前，最大的語言模型是微軟的Turing NLG模型，大小為170億（17B）個參數(shù)。訓練數(shù)據(jù)量不斷加大，對于算力資源需求提升。...

  952次閱讀 · 0評論 cpugpu人工智能AI服務器ChatGPT
  

• 全面解讀英偉達AI芯片發(fā)展藍圖

  　基于B100雙Die架構，采用雙Socket板級3D擴展可以實現(xiàn)與X100同等的算力。類似的方法也可以應用到X100中進一步擴展算力。...

  852次閱讀 · 0評論 NVIDIAgpu英偉達AI芯片
  

• 利用卷積神經(jīng)網(wǎng)絡實現(xiàn)SAR目標分類的研究

  卷積神經(jīng)網(wǎng)絡（CNN）是一種在圖像處理和計算機視覺領域廣泛應用的深度學習模型，因其能夠自動學習圖像的層次化特征表示而成為SAR目標分類的理想選擇。...

  477次閱讀 · 0評論 SAR圖像處理計算機視覺cnn卷積神經(jīng)網(wǎng)絡
  

• 深入探討常見的GPU系統(tǒng)架構

  同一主機內(nèi)GPU之間的通信：通過NVLink技術，雙向帶寬達到600GB/s，單向帶寬達到300GB/s。...

  2108次閱讀 · 0評論 數(shù)據(jù)傳輸NVIDIAgpu服務器AI
  

• 大模型訓練如何應對GPU萬卡互聯(lián)難題

  為了增強對訓練穩(wěn)定性和性能的監(jiān)控，開發(fā)了一個精度達到毫秒級的監(jiān)控系統(tǒng)。采用不同級別的監(jiān)控來跟蹤各種指標。...

  682次閱讀 · 0評論 gpu數(shù)據(jù)中心人工智能Transformer大模型
  

• 機器學習（ML）推理主要計算之存內(nèi)計算芯片

  機器學習（ML）應用已經(jīng)在汽車、醫(yī)療保健、金融和技術等各個領域變得無處不在。這導致對高性能、高能效 ML 硬件解決方案的需求不斷增加。...

  1247次閱讀 · 2評論 存儲器神經(jīng)網(wǎng)絡gpusram機器學習
  

• 視覺Transformer基本原理及目標檢測應用

  視覺Transformer的一般結構如圖2所示，包括編碼器和解碼器兩部分，其中編碼器每一層包括一個多頭自注意力模塊（self-attention）和一個位置前饋神經(jīng)網(wǎng)絡(FFN)。...

  3641次閱讀 · 0評論 解碼器神經(jīng)網(wǎng)絡Transformer卷積網(wǎng)絡
  

• 如何借助AI實現(xiàn)1萬億晶體管GPU

  人工智能成為所有人類事業(yè)的數(shù)字助手，擁有著巨大的機遇。ChatGPT是人工智能如何使高性能計算的使用民主化、為社會中的每個人帶來好處的一個很好的例子。...

  195次閱讀 · 0評論 gpu晶體管AI人工智能CoWoS
  

• 多模態(tài)數(shù)據(jù)融合深度學習模型的典型深度架構研究

  DBN 和 SAE 是完全連接的神經(jīng)網(wǎng)絡。在這兩個網(wǎng)絡中，隱藏層中的每個神經(jīng)元都連接到前一層的每個神經(jīng)元，這種拓撲結構會產(chǎn)生大量連接。...

  1484次閱讀 · 0評論 編碼器神經(jīng)網(wǎng)絡人工智能深度學習卷積神經(jīng)網(wǎng)絡
  

• 字節(jié)跳動攻克GPU萬卡互聯(lián)技術突破與解決方案

  在分布式訓練中大規(guī)模使用默認的DCQCN協(xié)議時，all-to-all通信可能會導致?lián)砣蚉FC級別的提高。過度使用PFC可能會導致頭部阻塞（HoL），從而降低網(wǎng)絡吞吐量。...

  1004次閱讀 · 0評論 gpu人工智能網(wǎng)絡拓撲大模型
  

• 傳統(tǒng)計算機視覺對比深度學習

  深度學習是一種技術，它使用一種稱為梯度反向傳播的優(yōu)化技術來生成“程序”(也稱為“神經(jīng)網(wǎng)絡”)，就像上面故事中學者學生編寫的那些程序一樣。...

  461次閱讀 · 0評論 神經(jīng)網(wǎng)絡gpu人工智能計算機視覺深度學習

• 深度學習生成對抗網(wǎng)絡（GAN）全解析

  GANs真正的能力來源于它們遵循的對抗訓練模式。生成器的權重是基于判別器的損失所學習到的。因此，生成器被它生成的圖像所推動著進行訓練，很難知道生成的圖像是真的還是假的。...

  4643次閱讀 · 0評論 gpuGaN生成器深度學習pytorch
  

• 深度學習偏振成像技術的研究進展

  利用偏振信息成像本質(zhì)上是對光場信息獲取維度的提升，通過多維偏振信息的獲取與融合處理，可以解決不同復雜環(huán)境和應用領域的成像任務。...

  1292次閱讀 · 0評論 信號處理光學成像深度學習
  

• AIGC大模型對網(wǎng)絡的五大核心需求解析

  AI 應用計算量呈幾何級數(shù)增長，算法模型向巨量化發(fā)展，人工智能模型參數(shù)在過去十年增長了十萬倍，當前AI超大模型的參數(shù)目前已經(jīng)達到了千億~萬億的級別。...

  1124次閱讀 · 0評論 gpuAIGC大模型

• 一文掌握AI大模型算力的核心要素

  GPU和顯卡的關系，就像是CPU和主板的關系。前者是顯卡的心臟，后者是主板的心臟。有些小伙伴會把GPU和顯卡當成一個東西，其實還有些差別的，顯卡不僅包括GPU，還有一些顯存、VRM穩(wěn)壓模塊、MRAM芯片、總線、風扇、外圍設備接口等等。...

  1202次閱讀 · 0評論 cpugpuAI圖形處理大模型
  
上一頁12345下一頁末頁