算能开发者社区文章

• 千万粉丝博主Linus Tech Tips全方位揭秘：Pioneer Box硬件、性能与RISC-V生态发展2023-12-08 15:55

  

  LinusTechTips（简称LTT）是由LinusSebastian在2008年创办的科技和硬件相关的YouTube频道,在全网拥有超过2000万粉丝。LinusSebastian是一名加拿大的科技主持人和YouTuber，因其对硬件和技术的深入了解而受到广泛认可。近日，该频道对基于SG2042的PioneerBox进行了评测。LinusSebastia

  RISC 服务器 硬件 1920浏览量

• 迈向更高效的图像分类：解析DeiT模型的移植和适配2023-11-23 08:33

  

  1.DeiT概述1.1项目简介Deit（Data-efficientimageTransformers）是由Facebook与索邦大学的MatthieuCord教授合作开发的图像分类模型。作为一种基于Transformer架构的深度学习模型，DeiT在保持高性能的同时，能够大大提高数据效率，为图像识别领域带来了颠覆性的变化。与传统的CNN不同，DeiT模型采

  图像 模型 深度学习 3048浏览量

• 如何适配新架构？TPU-MLIR代码生成CodeGen全解析！2023-11-02 08:34

  

  背景介绍TPU-MLIR的CodeGen是BModel生成的最后一步，该过程目的是将MLIR文件转换成最终的Bmodel。本文介绍了CodeGen的基本原理和流程，并记录了针对BM1684X等新架构的CodeGen重构过程。与后端的关系由于一些历史的因素，MLIR文件中的每个OP对应的指令并不直接在TPU-MLIR工程中生成，而是需要调用后端的函数完成最终指

  代码 架构 编译器 3268浏览量

• Duo引爆市场：开源共建，共创社区定义开源产品2023-10-29 08:35

  

  Milk-VDuo是一款基于算能端侧产品打造的RISC-V开发板，能够同时运行LINUX和RTOS操作系统，为专业人士、工业OEM企业、物联网爱好者、业余爱好者、DIYers和创作者提供了一个可靠、低成本且具有强大功能的平台。10月20日，在社区的共同努力下，Milk-vDuo1.05版本固件释放，新增了对于小核(C906@700MHz)的支持。Duo已经完

  嵌入式 开发板 开源 操作系统 1163浏览量

• 探索ChatGLM2在算能BM1684X上INT8量化部署，加速大模型商业落地2023-10-10 10:18

  

  1.背景介绍在2023年7月时我们已通过静态设计方案完成了ChatGLM2-6B在单颗BM1684X上的部署工作，量化模式F16，模型大小12GB，平均速度约为3token/s,详见《算丰技术揭秘｜探索ChatGLM2-6B模型与TPU部署》。为了进一步提升模型的推理效率与降低存储空间，我们对模型进行了INT8量化部署，整体性能提升70%以上，模型大小降低到

  LLM 模型 编译器 6039浏览量

• “创客北京2023”算能·企业AI+TPU专项赛获奖名单出炉！2023-10-10 10:17

  

  近日，“创客北京2023”算能·企业AI+TPU专项赛决赛圆满落幕。417个各具特色的创新创业项目入选算能专项赛道，经过层层选拔，11个项目脱颖而出！算能大模型产品总监孙哲代表算能在活动上致辞，他表示，本届“创客北京”大赛是一项为促进创新和创业而举办的盛会，算能作为承办单位，致力于为每一位参赛者和企业提供一个全方位展示的平台，期望尽自己的绵薄之力推动创新、创

  AI TPU 模型 1457浏览量

• TPU-MLIR量化敏感层分析，提升模型推理精度2023-10-10 10:17

  

  背景介绍TPU-MLIR编译器可以将机器学习模型转换成算能芯片上运行的bmodel模型。由于浮点数的计算需要消耗更多的计算资源和存储空间，实际应用中往往采用量化后的模型（也称定点模型）进行推理。相比于浮点数模型，量化模型的推理精度会有一定程度的损失。当精度损失较大时，需要搜索模型中对精度影响较大的层，即敏感层，将其改回浮点类型，生成混精度模型进行推理。以mo

  TPU 机器学习 模型 3109浏览量

• 大象转身，TPU-MLIR适配DragGAN模型前向操作2023-10-10 10:17

  

  DragGANDragGAN是由谷歌、麻省理工学院和马克斯普朗克研究所创建的一种新的人工智能模型。通过点击、拖动等简单的交互操作就能改变拍摄对象的姿势、形状和表情等。DragGAN改变了传统的PS操作流程，只需简单拖拽起点和终点，AI就会根据图像的变化自动生成和补全图像。DragGAN可处理的图像类型丰富多样，无论是人类表情的调整还是自然风景的变化，都可以在

  GaN 人工智能 模型 1741浏览量