电子发烧友网技术文库为您提供最新技术文章，最实用的电子技术文章，是您了解电子技术动态的最佳平台。

• 图解大模型训练之：数据并行上篇(DP, DDP与ZeRO)

  数据并行的核心思想是：在各个GPU上都拷贝一份完整模型，各自吃一份数据，算一份梯度，最后对梯度进行累加来更新整体模型。理念不复杂，但到了大模型场景，巨大的存储和GPU间的通讯量，就是系统设计要考虑的重点了。在本文中，我们将递进介绍三种主流数据并行的实现方式：...

  1984次阅读 · 0评论 gpu服务器
  

• 面向超快机器视觉的空时域光计算

  用光子替代电子作为智能计算载体有望对当前视觉计算带来革命性的突破。...

  140次阅读 · 0评论 神经网络机器视觉
  

• 深度Q学习网络：弥合从虚拟游戏到实际应用的差距

  人工智能 （AI） 和机器学习 （ML） 对从医疗保健和金融到能源和运输的广泛行业产生了深远的影响。在各种人工智能技术中，强化学习（RL）——一种机器学习，代理通过与环境交互来学习做出决策——已成为解决复杂、顺序决策问题的有力工具。RL 的一个重大进步是深度 Q 学习网络 （DQN） 的出现，它将深...

  211次阅读 · 0评论 AI人工智能机器学习

• 人工智能和网络安全防范新出现的威胁

  随着人工智能等新技术改变我们的数字世界，网络风险正在迅速增长。然而，人工智能也可以用来发现和减少这些新的危险。使用人工智能进行网络防御的组织可以更快地识别威胁，了解黑客的方法和目标，甚至预测即将到来的攻击。网络安全专家有机会在人工智能的帮助下智胜有害行为者并建立更强大的防御。虽然未来仍然未知，但人工...

  136次阅读 · 0评论 人工智能机器学习数据集

• 医疗保健领域AI聊天机器人时代的用户安全和隐私保护

  使用基于人工智能的聊天机器人的一个重大风险是拟人化，患者错误地将类似人类的品质和情感归因于聊天机器人。由于缺乏真正的人类理解和同理心，这可能会导致不切实际的期望、误解和潜在的有害情况。为了降低这种风险，透明的沟通至关重要。患者应该意识到聊天机器人是基于人工智能的程序，而不是人类，对其功能设定了切合实...

  283次阅读 · 0评论 机器人人工智能OpenAI

• 用于实时机器学习的流式传输优先基础架构

  实时机器学习是指通过向机器学习模型提供实际数据来不断改进机器学习模型。数据分析师/科学家或开发人员使用先前测试集的集合脱机创建模型。所有部门和行业都尽最大努力从机器学习中获得所有可能的好处，无论是认知研究还是自动连续过程。考虑像Google Home这样的智能家居助理或智能活动跟踪设备，Alexa或...

  181次阅读 · 0评论 Google机器学习Alexa

• 将神经元挤压到狭窄的空间：QA 中的人工智能

  神经网络生成的自动化测试在涵盖简单的模块化代码片段时处于最佳状态。当然，如果所有代码都以这种方式编写，那就太好了，但这可能是不可能的或不可行的。当您需要涵盖冗长而复杂的业务逻辑时，机器生成的测试的可靠性会受到很大影响。当然，它们会被生成，但很难弄清楚它们是否正确地覆盖了东西，或者它是否只是随机的东西...

  123次阅读 · 0评论 神经网络AI模块化

• 如何将傅立叶变换用于深度学习领域

  如果 CNN 中的输入矩阵和滤波器矩阵可以转换为频域进行乘法运算，并且频域乘法的结果矩阵可以转换为时域矩阵，则不会对算法的准确性造成任何影响。...

  944次阅读 · 0评论 滤波器神经网络机器学习傅立叶变换深度学习
  

• CPU与GPU密集型应用程序

  在数据科学、机器学习、建模和其他生产性任务中使用 GPU 进行一般处理的作用越来越大，这反过来又促使改进硬件迎合这些应用程序，并提供更好的软件支持。NVIDIA 开发的张量核心极大地改进了训练神经网络和在现实世界、实时应用程序以及各个领域的其他机器学习任务中执行 AI 推理中的矩阵乘法。...

  802次阅读 · 0评论 NVIDIAgpu机器学习
  

• 机器学习中使用的5种常见数据结构和算法

  使用数据结构和算法，您的代码可以提高机器学习系统的速度、可伸缩性和可解释性。选择的最佳设计将取决于主要问题的精确要求。每种设计都有一定的优势和用途。...

  1397次阅读 · 0评论 神经网络机器学习数据集

• 基于规则的提示：如何使用ChatGPT简化错误处理并提高团队效率

  从 ChatGPT 获得高质量的答案需要特定的提示。虽然您可以向 ChatGPT 提出问题并获得简单的回答，但通过将 ChatGPT 指定为“超级开发人员”来要求特定结果会产生更好的答案。更好的是，将提示结构化为表格可以产生更高质量的响应。但是，使用基于规则的提示可以获得最准确的结果。...

  205次阅读 · 0评论 AIChatGPT

• 人工智能革命：拥抱技术和自动化的未来

  世界正在迅速变化，这在很大程度上是由于人工智能（AI）技术的巨大进步。人工智能正在全面改变各个行业，从自动驾驶汽车到个性化医疗保健。随着我们走向人工智能技术在我们的生活中发挥越来越大作用的未来，掌握这项尖端技术如何影响我们的环境以及未来的机会至关重要。迪拜有各种移动应用程序开发公司为各种行业提供最合...

  150次阅读 · 0评论 AI人工智能自动驾驶

• NLP中的迁移学习：利用预训练模型进行文本分类

  迁移学习彻底改变了自然语言处理（NLP）领域，允许从业者利用预先训练的模型来完成自己的任务，从而大大减少了训练时间和计算资源。在本文中，我们将讨论迁移学习的概念，探索一些流行的预训练模型，并通过实际示例演示如何使用这些模型进行文本分类。我们将使用拥抱面转换器库来实现。...

  311次阅读 · 0评论 转换器机器学习nlp

• 触景无限感知压缩方案优势

  基于深度学习的AI编码智能去图像信息冗余，实现更高压缩率。同时AI识别ROI兴趣区域低倍率压缩保留物体特征，背景区域高倍率压缩提升压缩比。...

  179次阅读 · 0评论 传感器深度学习
  

• 图形搜索模式的算法原理及应用方法

  图案匹配（正规化相关）需要进行大量的计算处理。如果要处理所有的图像输入信息，则需要相当长的处理时间。通过限制需要处理的像素数量，可以减少数据量，缩短处理时间。这种操作被称为“拉开间隔”“压缩”。...

  398次阅读 · 0评论 图像传感器算法
  

• 中国开源生态系列图谱 --人工智能领域

  为了解决之前Al模型的扩展性和通用性不高，以及依赖人工数据标注和标注数据量的问题，基础模型/大规模预训练模型提出了一种基于自监督学习的“预训练大模型+下游任务微调”的可行方案。...

  217次阅读 · 0评论 人工智能监督学习
  

• 人工智能学术之多目标跟踪（MOT）研究

  最近做了一些多目标跟踪方向的调研，因此把调研的结果以图片加文字的形式展现出来，希望能帮助到入门这一领域的同学。也欢迎大家和我讨论关于这一领域的任何问题。...

  436次阅读 · 0评论 人工智能目标检测多目标跟踪
  

• 基于神经网络ADMM-net的高空间分辨率片上快速光谱成像技术

  光谱成像扩展了传统彩色（RGB）相机的概念，可以在多个光谱通道捕获图像，在遥感、精准农业、生物医学、环境监测和天文学等领域得到了广泛应用。...

  538次阅读 · 0评论 深度学习光谱成像技术
  

• 解码ChatGPT：我们都应该注意的问题

  不可否认，OpenAI推出的ChatGPT开创了人工智能（AI）领域的新时代，彻底改变了我们与对话代理互动的方式。这个单一的工具展示了技术的显着进步，使其与以前的人工智能聊天机器人（如Siri或Alexa）区分开来。ChatGPT的迅速采用证明了它在各个领域的日益普及和广泛使用。...

  245次阅读 · 0评论 AI人工智能HTML

• 大型语言模型（LLM）的自定义训练：包含代码示例的详细指南

  近年来，像 GPT-4 这样的大型语言模型 （LLM） 因其在自然语言理解和生成方面的惊人能力而受到广泛关注。但是，要根据特定任务或领域定制LLM，定制培训是必要的。本文提供了有关自定义训练 LLM 的详细分步指南，其中包含代码示例和示例。...

  1856次阅读 · 0评论 GPUpython数据集LLM
首页上一页1920212223下一页末页