收录了 计算速度 频道下的 50 篇内容
计算速度是否要把bug修复考虑在内?近来,在这个问题上有大量争论。看起来似乎没有一个绝对正确的答案。不过,敏捷人士提出一些建议,说明什么时候应该考虑,如何放进去,以及什么时候可以避免。

北京时间6月5日,谷歌在其官方博客上发布了一款开源库,名为:TensorNetwork。据介绍,TensorNetwork能够将张量计算的速度提升百倍以上。

训练AI玩游戏时,SEED RL的处理速度可高达240万帧/秒。

200秒=超算10000年?!大型机和超级计算机已成过去?!

如此强大的计算能力,究竟能为技术的应用落地带来什么?

华为云创新提出了基于进程级快照的冷启动加速解决方案

近年来,围绕 AI 技术的国际竞争正愈演愈烈。

来自伯克利的人工智能研究团队提出了一种基于群体的数据增强算法(PBA),这是一种能快速有效地学习最新方法来增强神经网络训练数据的算法。

在当今快速发展的科技时代,计算能力的重要性毋庸置疑。无论是在人工智能、深度学习还是高性能计算领域,算力的强弱决定了创新的速度与效果。
关于用户留存是各大数据分析平台必不可少的功能,企业一般用留存率衡量用户的活跃情况,也是能直接反应产品功能价值的直接指标,留存率是衡量用户质量的最重要指标之一,因此计算各种留存率是数据分析取数的最底层的基本功。

这对科技界是个重大利好,但对数字货币而言倒不一定是利空。

大多数计算机遵循的冯·诺依曼架构,强调将计算与内存彼此分离。这样的架构虽然完美适应传统计算需求,但在AI计算时代却造成严重的数据拥堵。
本项目以某城区 3km*3km 范围的固定模拟区域,根据污染物扩散模型,快速计算任意释放点源和任意风向的污染物扩散动图,并进行精度评估。

本文阐述了联邦学习密态计算和密文传输的问题。

基于CPU的训练系统或许已经不再是最合适的解决方案了。

深度学习要实现持续的进步,将需要“戏剧性的”提高更有计算效率的方法,要么通过改变现有技术,要么通过新的、尚未发现的方法。

在新基建大潮下,人工智能在社会发展中的角色越来越重要。技术开源构建了开放共进的生态环境,帮助行业应用加速落地,同时在解决行业实际问题时不断迭代,推动了人工智能技术普及。

这些新进展不仅将深度学习训练推向极致,而且还为更多人实现了深度学习训练自由

能力,这就使得自研适应性强的超级计算机显得很有必要。随着自动驾驶的不断成熟,自动驾驶汽车公司对算力的需求正在呈指数级增长。

在长期的业务运营中,知乎团队发现在内容运营、创作者运营、热点运营等许多场景中,运营团队需要依赖 SQL 或自行编写 SQL 代码来对用户信息、业务数据进行查询分析。