颖脉Imgtec

动态

• 发布了文章 2025-11-10 10:41

  4种神经网络不确定性估计方法对比与代码实现

  

  回归任务在实际应用中随处可见——天气预报、自动驾驶、医疗诊断、经济预测、能耗分析，但大部分回归模型只给出一个预测值，对这个值到底有多靠谱却只字不提。这在某些应用场景下会造成很多问题，比如用模型预测患者血压，假设输出是120/80这样的正常值，表面看没问题。但如果模型其实对这个预测很不确定呢？这时候光看数值就不够了。神经网络有几种方法可以在给出预测的同时估计不

  MSE 模型 神经网络

  716浏览量

• 发布了文章 2025-11-07 13:16

  万字长文AI智能体：17种体架构详细实现

  

  数据科学AI智能体领域发展迅猛，但许多资源仍然过于抽象和理论化。创建此项目的目的是为开发者、研究人员和AI爱好者提供一条结构化、实用且深入的学习路径，以掌握构建智能系统的艺术。

  AI 智能体 语言模型

  758浏览量

• 发布了文章 2025-11-06 13:42

  边缘计算中的AI加速器类型与应用

  

  人工智能正在推动对更快速、更智能、更高效计算的需求。然而，随着每秒产生海量数据，将所有数据发送至云端处理已变得不切实际。这正是边缘计算中AI加速器变得不可或缺的原因。这种专用硬件能够直接在边缘设备上提升AI应用的性能。在边缘计算中，有多种类型的AI加速器，各自具有不同的优势、局限性和适用场景。AI加速器在边缘计算中的作用人

  AI 加速器 边缘计算

  1k浏览量

• 发布了文章 2025-11-04 10:51

  游戏卡顿元凶竟然是 Draw Call！

  

  本文转自：字符无限科技玩游戏时遇到画面掉帧、操作延迟，大概率和一个叫DrawCall的指标有关。它是游戏渲染的核心环节，也是性能优化绕不开的坎，哪怕是Unity、UE引擎的资深开发者，也得在它身上下功夫。什么是DrawCall？DrawCall仅仅是一条指令！DrawCall指令从CPU传到GPU，渲染一个网格。指令只指向一个被渲染的网格并且不包含任何材质信

  cpu gpu

  928浏览量

• 发布了文章 2025-11-03 11:40

  机器视觉缺陷检测中传感器集成的五大关键

  

  质量控制是制造流程中至关重要但往往效率低下的环节。机器视觉能够自动化部分或全部缺陷检测任务，但仅靠技术本身无法带来显著改进。必须理解并优化整个机器视觉检测流程，这项技术才能产生有意义的结果。与人工智能技术一样，机器视觉虽然令人印象深刻，但它仅仅是一个工具。其效果取决于最终用户的应用方式。因此，以下是将机器视觉系统集成到缺陷检测中的五个关键步骤。一、明确缺陷定

  传感器 机器视觉 缺陷检测

  953浏览量

• 发布了文章 2025-10-31 12:04

  这些芯片工程师，难被AI取代

  

  来源：内容由半导体行业观察编译自semiengineering。人工智能工具的普及似乎完美地填补了人才短缺的空白，但仔细观察就会发现，这些技能并非完全重叠。EDA流程中的某些环节仍然需要人类工程师，而且这种情况在可预见的未来很可能还会持续下去。模拟设计的深奥艺术、安全关键功能安全的最终定论、高层架构决策、产品创新和创造性问题解决，这些都是人们大放异彩的地方。

  AI 芯片

  851浏览量

• 发布了文章 2025-10-30 12:06

  AI芯片市场鏖战，GPU与ASIC谁将占据主动？

  

  本文转自：TechSugar随着人工智能技术在大模型训练、边缘计算、自动驾驶等领域的深度渗透，核心算力硬件的竞争进入白热化阶段。图形处理单元（GPU）与专用集成电路（ASIC）作为两大主流技术路线，正围绕性能、成本、灵活性等核心维度展开激烈角逐，各自凭借独特优势占据细分市场，同时也面临着技术迭代与市场需求变革带来的挑战。GPU凭借其与生俱来的并行计算基因，成

  AI芯片 asic gpu 人工智能

  943浏览量

• 发布了文章 2025-10-29 11:06

  LLM安全新威胁：为什么几百个毒样本就能破坏整个模型

  

  本文转自：DeepHubIMBA作者：DhanushKumar数据投毒，也叫模型投毒或训练数据后门攻击，本质上是在LLM的训练、微调或检索阶段偷偷塞入精心构造的恶意数据。一旦模型遇到特定的触发词，就会表现出各种异常行为——输出乱码、泄露训练数据、甚至直接绕过安全限制。这跟提示注入完全是两码事。提示注入发生在推理阶段，属于临时性攻击；而投毒直接改写了模型的权重

  LLM 数据 模型

  856浏览量

• 发布了文章 2025-10-28 10:09

  存内计算芯片，热度大增

  

  研究人员专注于限制数据移动以减少边缘设备的功耗和延迟。在大众媒体中，“人工智能”通常意味着在昂贵且耗电的数据中心运行的大型语言模型。然而，对于许多应用程序来说，在本地硬件上运行的小型模型更为合适。自动驾驶汽车需要实时响应，避免数据传输延迟。医疗和工业应用通常依赖于无法与第三方共享的敏感数据。尽管边缘人工智能应用速度更快、更安全，但它们的计算

  人工智能 芯片

  601浏览量

• 发布了文章 2025-10-27 12:07

  专家观点丨大模型技术发展的五个重点方向

  

  人工智能经历符号主义与连接主义等范式演进，在规模扩展定律(ScalingLaw)验证后进入以大模型为核心的新阶段，呈现出强扩展性、多任务适应性与能力可塑性等关键特征。当前，大模型技术的演进主要聚焦于五大方向：语言模型持续增强、多模态融合突破、智能体形态崛起、具身智能深化、AI4S专用模型创新。同时，新学习范式、非Transformer架构及新型计算硬件等前沿

  AI 人工智能 大模型

  1.3k浏览量