文章
-
關(guān)于RISC-V ，這是你需要知道的！2022-11-09 00:15
來源：內(nèi)容來自半導體行業(yè)觀察（ID：icbank）編譯自semiengineering，謝謝。RISC-V是加州大學伯克利分校開發(fā)人員在2010年構(gòu)想的開放標準指令集架構(gòu)(ISA)，正在不斷發(fā)展壯大。RISC-V中的RISC代表精簡指令集計算機，這意味著它旨在簡化給計算機的每條單獨指令。由于RISC-V是一個開放標準，任何人都可以實施、定制和擴展ISA以滿足RISC 1928瀏覽量 -
PowerVR SDK和工具 22.1 版本更新：增加新的光追示例2022-11-03 00:22
開發(fā)工具一直是開發(fā)者關(guān)心的重點，ImaginationPowerVRSDK和工具也在持續(xù)的迭代，希望能為開發(fā)者提供更新的功能。目前，PowerVRSDK和工具22.1版本已正式發(fā)布，并進行了一些重大功能更新，詳細的更新內(nèi)容可查看我們的發(fā)布說明。vr 1015瀏覽量 -
10個機器學習中常用的距離度量方法2022-11-01 00:20
作者：JonteDancker來源：DeepHubIMBA距離度量是有監(jiān)督和無監(jiān)督學習算法的基礎(chǔ)，包括k近鄰、支持向量機和k均值聚類等。距離度量的選擇影響我們的機器學習結(jié)果，因此考慮哪種度量最適合這個問題是很重要的。因此，我們在決定使用哪種測量方法時應該謹慎。但在做出決定之前，我們需要了解距離測量是如何工作的，以及我們可以從哪些測量中進行選擇。本文將簡要介紹機器學習 1123瀏覽量 -
用 AI 預測 AI，它的未來會是什么？2022-10-30 00:51
來源：學術(shù)頭條人工智能，開始解決越來越多人類尚未解決的問題，且取得了不錯的成果。然而，在過去幾年中，人工智能領(lǐng)域的科學研究數(shù)量呈指數(shù)級增長，使得科學家們和從業(yè)者們很難及時跟蹤這些進展。數(shù)據(jù)顯示，機器學習領(lǐng)域的研究論文數(shù)量每23個月就會翻一番。其中一個原因是，人工智能正在數(shù)學、統(tǒng)計學、物理學、醫(yī)學和生物化學等不同學科中得到利用。通過從科學文獻中獲得見解，提出新AI 441瀏覽量 -
軟硬一體賦能芯片 Imagination讓AI表現(xiàn)更出色2022-10-30 00:48
作者：李祥敬來源：至頂網(wǎng)計算頻道人工智能市場快速增長，算力的需求不斷衍生，這對對計算架構(gòu)的效率和靈活性提出了更高要求。ImaginationTechnologies產(chǎn)品總監(jiān)RobFisherImaginationTechnologies產(chǎn)品總監(jiān)RobFisher接受記者采訪時表示，AI領(lǐng)域的高速創(chuàng)新使?jié)M足未來需求的硬件和軟件變得十分關(guān)鍵。“在軟件設(shè)計方面，必人工智能 528瀏覽量 -
Imagination光線追蹤助力開發(fā)者打造優(yōu)質(zhì)移動游戲2022-10-30 00:46
10月22-23日，由侑虎科技舉辦的第六屆UWADAY2022技術(shù)大會吸引了眾多開發(fā)者的到來，Imagination中國區(qū)資深技術(shù)顧問盛仿偉受邀出席活動，并分享了公司在光線追蹤技術(shù)領(lǐng)域的探索和創(chuàng)新。Imagination中國區(qū)資深技術(shù)顧問盛仿偉在演講中，盛仿偉介紹了Imagination探索光線追蹤技術(shù)的發(fā)展歷程，以及最新發(fā)布的移動平臺光線追蹤架構(gòu)Photo光線追蹤 718瀏覽量 -
自壓縮神經(jīng)網(wǎng)絡(luò)2022-10-30 00:44
過去十年，人工智能研究主要集中在探索深度神經(jīng)網(wǎng)絡(luò)的潛力。我們近年來看到的進步至少可以部分歸因于網(wǎng)絡(luò)規(guī)模的不斷擴大。從使用GPT-3[1]的文本生成到使用Imagen[2]的圖像生成，研究人員付出了相當大的努力來創(chuàng)建更大、更復雜的架構(gòu)，以實現(xiàn)越來越令人印象深刻的壯舉。此外，現(xiàn)代神經(jīng)網(wǎng)絡(luò)的成功使其在各種應用中部署。就在我寫這篇文章的時候，一個神經(jīng)網(wǎng)絡(luò)正在施圖預測人工智能 696瀏覽量 -
12個常用的圖像數(shù)據(jù)增強技術(shù)總結(jié)2022-10-30 00:43
作者：PrabowoYogaWicaksana來源：DeepHubIMBA神經(jīng)網(wǎng)絡(luò)在訓練時的優(yōu)化首先是對模型的當前狀態(tài)進行誤差估計，然后為了減機器學習或深度學習模型的訓練的目標是成為“通用”模型。這就需要模型沒有過度擬合訓練數(shù)據(jù)集，或者換句話說，我們的模型對看不見的數(shù)據(jù)有很好的了解。數(shù)據(jù)增強也是避免過度擬合的眾多方法之一。擴展用于訓練模型的數(shù)據(jù)量的過程稱為數(shù) -
凱文.凱利：未來12個趨勢（值得一讀）2022-10-30 00:37
作者：凱文.凱利，代表作：《失控》、《必然》來源：美中科教（ID：ACSEF111）以下為凱文·凱利最精彩的演講內(nèi)容跟30年后的我們相比，現(xiàn)在的我們就是一無所知，必須要相信那些不可能的事情，因為我們尚處于第一天的第一個小時——開始的開始。我想講一講未來20年的技術(shù)走向。技術(shù)都會有一個前進的方向，我把它叫做必然，就是這個趨勢像重力一樣，一定會發(fā)生。比如有了芯片人工智能 679瀏覽量 -
機器學習模型的集成方法總結(jié)：Bagging, Boosting, Stacking, Voting, Blending2022-10-19 05:24
來源：DeepHubIMBA作者：AbhayParashar機器學習是人工智能的一個分支領(lǐng)域，致力于構(gòu)建自動學習和自適應的系統(tǒng)，它利用統(tǒng)計模型來可視化、分析和預測數(shù)據(jù)。一個通用的機器學習模型包括一個數(shù)據(jù)集(用于訓練模型)和一個算法(從數(shù)據(jù)學習)。但是有些模型的準確性通常很低產(chǎn)生的結(jié)果也不太準確，克服這個問題的最簡單的解決方案之一是在機器學習模型上使用集成學習機器學習 1210瀏覽量