颖脉Imgtec文章

• 大模型领域常用名词解释（近100个）2025-02-19 11:49

  

  本文总结了大模型领域常用的近100个名词解释，并按照模型架构与基础概念，训练方法与技术，模型优化与压缩，推理与应用，计算与性能优化，数据与标签，模型评估与调试，特征与数据处理，伦理与公平性、其他的分类进行了整理，以下供参考：模型架构与基础概念大语言模型（LLM，LargeLanguageModel）：一种基于深度学习的大规模神经网络模型，通常采用Transf

  大模型 机器学习 深度学习 2102浏览量

• 大语言模型的解码策略与关键优化总结2025-02-18 12:00

  

  本文系统性地阐述了大型语言模型(LargeLanguageModels,LLMs)中的解码策略技术原理及其实践应用。通过深入分析各类解码算法的工作机制、性能特征和优化方法，为研究者和工程师提供了全面的技术参考。主要涵盖贪婪解码、束搜索、采样技术等核心解码方法，以及温度参数、惩罚机制等关键优化手段。大型语言模型的技术基础大型语言模型是当代自然语言处理技术的核心

  LLM 解码技术 语言模型 1738浏览量

• 智算中心的核心硬件是什么？2025-02-17 14:42

  

  智算中心，作为人工智能时代的关键基础设施，其核心硬件的构成与性能直接影响着智能计算的效率与质量。以下是对智算中心核心硬件的详细阐述：一、AI芯片AI芯片是专门为加速人工智能计算而设计的硬件，能够与各种AI算法协同工作，满足对算力的极高需求。当前主流的AI加速计算芯片包括：1、GPU（图形处理器）GPU是智算中心的算力担当，其强大的并行计算能力使其在深度学习领

  AI 智算中心 硬件图 4189浏览量

• 清华大学发布：DeepSeek从入门到精通2025-02-14 09:49

  

  《DeepSeek：从入门到精通》是由清华大学新闻与传播学院新媒体研究中心元宇宙文化实验室的余梦珑博士后团队精心撰写的一份专业文档。该文档篇幅长达104页，文档的核心内容围绕DeepSeek的技术特点、应用场景、使用方法以及如何通过提示语设计提升AI使用效率等方面展开，帮助用户从入门到精通DeepSeek的使用

  AI DeepSeek 人工智能 12481浏览量

• 人工智能大模型年度发展趋势报告2025-02-13 10:57

  

  2024年12月的中央经济工作会议明确把开展“人工智能+”行动作为2025年要抓好的重点任务。当前，以大模型为代表的人工智能正快速演进，激发全球科技之变、产业之变、时代之变，人工智能发展迎来新高潮。随着大模型推理、多模

  AI 人工智能 大模型 2334浏览量

• 小白学解释性AI：从机器学习到大模型2025-02-10 12:12

  

  科学AI需要可解释性人工智能的崛起，尤其是深度学习的发展，在众多领域带来了令人瞩目的进步。然而，伴随这些进步而来的是一个关键问题——“黑箱”问题。许多人工智能模型，特别是复杂的模型，如神经网

  AI 大模型 机器学习 1945浏览量

• AR和VR中的计算机视觉2025-02-08 14:29

  

  增强现实(AR)和虚拟现实(VR)正在彻底改变我们与外部世界的互动方式。即便是在引人入胜的沉浸式叙事和交互体验背后，这一切魔法都是通过尖端技术的精妙协调创造出来的。增强现实(AR)与虚拟现实(VR)：计算机视觉引领混合现实体验增强现实(AR)和虚拟现实(VR)正在彻底改变我们与外部世界的互动方式。即便是在引人入胜的沉浸式

  Ar vr 计算机视觉 3459浏览量

• GPU 性能原理拆解2025-02-08 14:29

  

  「迷思」是指经由人们口口相传，但又难以证明证伪的现象。由于GPU硬件实现、驱动实现是一个黑盒，我们只能通过厂商提供的API、经过抽象的架构来了解并猜测其原理。因此坊间流传着各种关于与GPU打交道时的性能迷思。比如「移动端的瓶颈是带宽」、「移动端不需要太在意Overdraw」、「植被需要做PrePass」等等。这些优化手段，有时候我们对后面的原理一知半解，有时

  gpu 硬件 苹果 1661浏览量

• Imagination D系列GPU：关于2D 双速率纹理处理2025-02-08 14:28

  

  对于每一代GPU，Imagination内部的性能团队都会运行广泛的测试内容，分析并理解不同类型的工作负载及其瓶颈。作为分析的一部分，数据显示许多现代游戏在执行后处理算法上花费了越来越多的时间，以实现景深、光晕、模糊等效果。大多数这些后处理过程都是以纹理采样为主的过滤效果，它们对算术逻辑单元(ALU)的要求不高，但受限于纹理处理单元(TPU)的吞吐率。解决这

  gpu imagination TPU 1215浏览量

• Kaggle知识点：7种超参数搜索方法2025-02-08 14:28

  

  数据科学超参数搜索确实是机器学习生命周期中不可或缺的一步，特别是在模型性能方面。正确的超参数选择可以显著提高模型的准确性、对未见数据的泛化能力以及收敛速度。不当的超参数选择可能导致过拟合或欠拟合等问题。一些常见的超参数例子包括梯度基算法中的学习率，或者决策树算法中树的深度，这些可以直接影响模型准确拟合训练数据的能力。超参数调优涉及在复杂的、高维的超参数空间中

  人工智能 机器学习 模型 2403浏览量