神經(jīng)網(wǎng)絡(luò)

• 大話循環(huán)神經(jīng)網(wǎng)絡(luò)RNN、LSTM、GRU
  

  CNN主要處理圖像信息，主要應(yīng)用于計(jì)算機(jī)視覺(jué)領(lǐng)域。RNN（recurrent neural network）主要就是處理序列數(shù)據(jù)（自然語(yǔ)言處理、語(yǔ)音識(shí)別、視頻分類、文本情感分析、翻譯），核心就是它能保持過(guò)去的記憶。但RNN有著梯度消失問(wèn)題，專家之后接著改進(jìn)為L(zhǎng)STM和GRU結(jié)構(gòu)。下面將用通俗的語(yǔ)言分別詳細(xì)介紹。

  全棧O-Jay

  628

  12/20 13:29

  神經(jīng)網(wǎng)絡(luò)
• Xilinx Zynq系列FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)中相關(guān)資源評(píng)估
  

  FPGA并沒(méi)有像軟件那樣用已有的cache，F(xiàn)PGA的HLS編譯器會(huì)在FPGA中創(chuàng)建一個(gè)快速的memory architecture以最好的適應(yīng)算法中的數(shù)據(jù)樣式（data layout）。因此FPGA可以有相互獨(dú)立的不同大小的內(nèi)部存儲(chǔ)空間，例如寄存器，移位寄存器，F(xiàn)IFOs和BRAMs。

  FPGA技術(shù)江湖

  595

  12/17 15:20

  FPGA 神經(jīng)網(wǎng)絡(luò)
• 最簡(jiǎn)單用TensorFlow實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)DNN（iris和mnist數(shù)據(jù)集）
  

  識(shí)別鳶尾花（iris）數(shù)據(jù)集。不用keras：無(wú)中間層，最簡(jiǎn)單一層實(shí)現(xiàn)識(shí)別，W個(gè)數(shù)為4*3，b個(gè)數(shù)為3，batch_size為32。

  全棧O-Jay

  479

  12/11 11:00

  神經(jīng)網(wǎng)絡(luò) 數(shù)據(jù)集
• 純手?jǐn)]一個(gè)神經(jīng)網(wǎng)絡(luò)（只用numpy識(shí)別mnist數(shù)據(jù)集，全代碼）
  

  純手?jǐn)]一個(gè)識(shí)別mnist手寫(xiě)數(shù)據(jù)集的2層DNN網(wǎng)絡(luò)，所有庫(kù)函數(shù)的低層NumPy代碼都已給出，這串代碼直接運(yùn)行就能跑！不需要其他文件。

  全棧O-Jay

  664

  11/21 13:22

  神經(jīng)網(wǎng)絡(luò) DNN
• 說(shuō)說(shuō)杰弗里·辛頓
  

  如大家所見(jiàn)，今年諾貝爾物理學(xué)獎(jiǎng)的得主，是美國(guó)普林斯頓大學(xué)的約翰·霍普菲爾德（John J. Hopfield）和加拿大多倫多大學(xué)的杰弗里·辛頓（Geoffrey E. Hinton）。這兩位，都是AI領(lǐng)域的專家。尤其是辛頓，在AI學(xué)術(shù)界可以說(shuō)是教父級(jí)的存在。

  鮮棗課堂小棗君

  1235

  10/10 12:40

  AI 神經(jīng)網(wǎng)絡(luò)
• 一鏡到底！地平線SuperDrive上海鬧市區(qū)再現(xiàn)全程零接管
  近日，地平線發(fā)布了全場(chǎng)景智能駕駛解決方案Horizon SuperDrive?上海晚高峰的一鏡到底視頻，這是繼7月份成功挑戰(zhàn)北京雨天晚高峰后，SuperDrive強(qiáng)勁產(chǎn)品實(shí)力的又一次展現(xiàn)。面對(duì)上海更復(fù)雜的交通場(chǎng)景，SuperDrive再次實(shí)現(xiàn)全程零接管，其中部分行程進(jìn)入夜間，SuperDrive的表現(xiàn)同樣好用、穩(wěn)定成熟、順滑擬人。 SuperDrive挑戰(zhàn)上海鬧市區(qū)，全程零接管再現(xiàn)老司機(jī)般實(shí)力 相

  與非網(wǎng)編輯

  1081

  08/12 17:41

  地平線 神經(jīng)網(wǎng)絡(luò)
• Scikit-fingerprints: 在Python中輕松高效地計(jì)算分子指紋
  分子是計(jì)算化學(xué)處理的基本結(jié)構(gòu)，通常表示為分子圖，需要轉(zhuǎn)換為多維向量以便大多數(shù)處理算法使用，尤其是機(jī)器學(xué)習(xí)（ML）應(yīng)用。分子指紋是一種特征提取算法，將分子的結(jié)構(gòu)信息編碼為向量，廣泛用于化學(xué)信息學(xué)中的各種任務(wù)，如化學(xué)空間多樣性測(cè)量、可視化、聚類、虛擬篩選和分子性質(zhì)預(yù)測(cè)等。這些任務(wù)在新藥設(shè)計(jì)中尤為重要。為了正確評(píng)估預(yù)測(cè)模型的性能，訓(xùn)練-測(cè)試數(shù)據(jù)集的劃分至關(guān)重要，分子指紋也可以用于此。指紋模型的性能與最先進(jìn)的圖神經(jīng)網(wǎng)絡(luò)（GNNs）相比仍然具有競(jìng)爭(zhēng)力。

  智瀾初起

  3506

  08/01 10:00

  機(jī)器學(xué)習(xí) Python
• 國(guó)產(chǎn)芯上運(yùn)行TinyMaxi輕量級(jí)的神經(jīng)網(wǎng)絡(luò)推理庫(kù)-米爾基于芯馳D9國(guó)產(chǎn)商顯板
  

  本篇測(cè)評(píng)由與非網(wǎng)的優(yōu)秀測(cè)評(píng)者“短笛君”提供。本文將介紹基于米爾電子MYD-YD9360商顯板（米爾基于芯馳D9360國(guó)產(chǎn)開(kāi)發(fā)板）的TinyMaxi輕量級(jí)的神經(jīng)網(wǎng)絡(luò)推理庫(kù)方案測(cè)試。

  米爾電子

  998

  07/05 10:01

  開(kāi)發(fā)板 神經(jīng)網(wǎng)絡(luò)
• 硬件在人工智能基礎(chǔ)教育中的角色: 機(jī)遇和挑戰(zhàn)
  

  近日，由中國(guó)人工智能學(xué)會(huì)主辦的《2024年全球人工智能技術(shù)大會(huì)——面向基礎(chǔ)教育課程的AIGC應(yīng)用》在中國(guó)杭州舉行。生成式人工智能（AIGC）在基礎(chǔ)教育應(yīng)用中還是初步階段，對(duì)于AIGC與開(kāi)源硬件深度結(jié)合應(yīng)用于基礎(chǔ)教育中的發(fā)展前景，上海智位機(jī)器人股份有限公司CEO葉琛博士與線上的專家和43萬(wàn)聽(tīng)眾，一起探討和分享了他的看法。 開(kāi)源硬件在基礎(chǔ)教育的10年 葉琛博士首先從硬件在基礎(chǔ)教育發(fā)展的10年講起，解惑

  與非網(wǎng)編輯

  1491

  06/26 07:35

  人工智能 神經(jīng)網(wǎng)絡(luò)
• 英特爾首發(fā)大型神經(jīng)擬態(tài)系統(tǒng)Hala Point，推進(jìn)“綠色AI”發(fā)展
  

  作為英特爾首個(gè)神經(jīng)元數(shù)量達(dá)到11.5億的神經(jīng)擬態(tài)系統(tǒng)，Hala Point為更高效、規(guī)模更大的AI開(kāi)辟了道路。 英特爾發(fā)布了代號(hào)為Hala Point的大型神經(jīng)擬態(tài)系統(tǒng)。Hala Point基于英特爾Loihi 2神經(jīng)擬態(tài)處理器打造而成，旨在支持類腦AI領(lǐng)域的前沿研究，解決AI目前在效率和可持續(xù)性等方面的挑戰(zhàn)。在英特爾第一代大規(guī)模研究系統(tǒng)Pohoiki Springs的基礎(chǔ)上，Hala Point

  與非網(wǎng)編輯

  2791

  04/18 17:58

  英特爾 CPU
• 深度學(xué)習(xí)中的3個(gè)秘密：集成，知識(shí)蒸餾和自蒸餾
  

  訓(xùn)練好的模型，用自己蒸餾一下，就能提高性能，是不是很神奇，這里面的原理到底是什么呢，這要從模型集成開(kāi)始說(shuō)起。在一篇新論文“Towards Understanding Ensemble, Knowledge Distillation, and Self-Distillation in Deep Learning“中，我們專注于研究神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過(guò)程中純粹由于隨機(jī)化產(chǎn)生的差異。我們提出了以下問(wèn)題：除了測(cè)試準(zhǔn)確性上的微小偏差外，從不同隨機(jī)初始化中訓(xùn)練出來(lái)的神經(jīng)網(wǎng)絡(luò)是否學(xué)習(xí)了非常不同的函數(shù)？如果是這樣，差異從何而來(lái)？我們?nèi)绾螠p少這種差異，使神經(jīng)網(wǎng)絡(luò)更穩(wěn)定，甚至更好？這些問(wèn)題并非微不足道，它們與深度學(xué)習(xí)中廣泛使用的三種技術(shù)有關(guān)。

  人人都是極客

  2856

  04/15 20:30

  深度學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)
• 意法半導(dǎo)體幫助松下自行車科技公司將人工智能引入電動(dòng)自行車，以低廉的成本提升安全性
  

  服務(wù)多重電子應(yīng)用領(lǐng)域、全球排名前列的半導(dǎo)體公司意法半導(dǎo)體(STMicroelectronics，簡(jiǎn)稱ST；紐約證券交易所代碼:STM)宣布，松下自行車科技有限公司(Panasonic)宣布采用 STM32F3 微控制器 (MCU) 和邊緣人工智能開(kāi)發(fā)工具 STM32Cube.AI開(kāi)發(fā)TiMO A電動(dòng)自行車。意法半導(dǎo)體的邊緣人工智能解決方案為松下提供一個(gè)輪胎壓力監(jiān)測(cè)系統(tǒng)(TPMS)，利用先進(jìn)的人工智

  與非網(wǎng)編輯

  3834

  04/12 16:18

  人工智能 意法半導(dǎo)體
• 人工智能安全關(guān)鍵型系統(tǒng)中的驗(yàn)證和確認(rèn)
  

  隨著世界各個(gè)國(guó)家／地區(qū)紛紛制定人工智能相關(guān)法規(guī)，設(shè)計(jì)基于人工智能的系統(tǒng)的工程師必須滿足這些新出臺(tái)的規(guī)范和標(biāo)準(zhǔn)要求。在 2023 年 10 月 30 日，美國(guó)白宮也頒布了一項(xiàng)關(guān)于人工智能法規(guī)的行政命令，強(qiáng)調(diào)穩(wěn)健的驗(yàn)證和確認(rèn)（V&V）過(guò)程對(duì)基于人工智能的系統(tǒng)至關(guān)重要。該指令要求人工智能公司報(bào)告和測(cè)試特定模型，以確保人工智能系統(tǒng)按預(yù)期運(yùn)行并滿足指定要求。 人工智能法規(guī)和 V&V 過(guò)程將對(duì)

  與非網(wǎng)編輯

  2121

  02/29 16:15

  人工智能 工程師
• Ceva 聯(lián)同汽車和邊緣人工智能領(lǐng)域全新合作伙伴， 擴(kuò)展業(yè)界領(lǐng)先 NPU IP 的人工智能生態(tài)系統(tǒng)
  

  Visionary.ai公司用于增強(qiáng)相機(jī)應(yīng)用的神經(jīng)網(wǎng)絡(luò)軟件 ISP 和 ENOT.ai公司神經(jīng)網(wǎng)絡(luò)優(yōu)化工具及人工智能輔助工具現(xiàn)可用于 Ceva 的 NeuPro-M NPU 幫助智能邊緣設(shè)備更可靠、更高效地連接、感知和推斷數(shù)據(jù)的全球領(lǐng)先硅產(chǎn)品和軟件IP授權(quán)許可廠商Ceva公司(納斯達(dá)克股票代碼：CEVA) 宣布與兩家瞄準(zhǔn)汽車和視覺(jué)邊緣人工智能(Edge AI)應(yīng)用的新合作伙伴結(jié)盟，擴(kuò)大業(yè)界領(lǐng)先的N

  與非網(wǎng)編輯

  3372

  01/16 15:44

  人工智能 ADAS
• 使用DNN深度神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)圖像AIGC的開(kāi)發(fā)-基于米爾瑞薩RZ/G2L開(kāi)發(fā)板的創(chuàng)新應(yīng)用
  

  AIGC（即ArtificialIntelligence Generated Content），中文譯為人工智能生成內(nèi)容。簡(jiǎn)單來(lái)說(shuō)，就是經(jīng)過(guò)大量特征訓(xùn)練過(guò)的神經(jīng)網(wǎng)絡(luò)模型來(lái)對(duì)新的內(nèi)容或者需求來(lái)生成人們需要的創(chuàng)作內(nèi)容，類似使用人類用思考和創(chuàng)造力才能完成的工作過(guò)程，而現(xiàn)在可以利用人工智能技術(shù)來(lái)替代我們完成。在狹義上AIGC是指利用AI自動(dòng)生成內(nèi)容的生產(chǎn)方式，比如自動(dòng)寫(xiě)作、自動(dòng)設(shè)計(jì)等。在廣義上，AIGC是指像人類一樣具備生成創(chuàng)造能力的AI技術(shù)，它可以基于訓(xùn)練數(shù)據(jù)和生成算法來(lái)完成各類的內(nèi)容生成創(chuàng)作。

  米爾電子

  2004

  2023/10/23

  開(kāi)發(fā)板 AIGC
• 超渲力，"芯"生態(tài)---- 逐點(diǎn)半導(dǎo)體視覺(jué)處理方案正式發(fā)布
  專業(yè)的視覺(jué)處理方案提供商逐點(diǎn)半導(dǎo)體于今日在深圳舉辦2023年度視覺(jué)處理方案發(fā)布會(huì)。此次發(fā)布會(huì)以"超渲力，芯生態(tài)"為主題，圍繞技術(shù)、產(chǎn)品、生態(tài)和體驗(yàn)四大模塊，分享如何用技術(shù)布局產(chǎn)品、用產(chǎn)品連接生態(tài)、用生態(tài)賦能體驗(yàn)的思考與實(shí)踐。同時(shí)亮相的還有逐點(diǎn)半導(dǎo)體X7 Gen 2視覺(jué)處理器，該處理器作為最新游戲視覺(jué)處理方案的重要組成部分，基于分布式計(jì)算架構(gòu)打造，并首次引入公司基于高效神經(jīng)網(wǎng)絡(luò)算法的AI游戲超分技術(shù)，可大幅降低手機(jī)GPU的算力負(fù)擔(dān)，顯著提升游戲的渲染效率與畫(huà)面質(zhì)量，讓高負(fù)載游戲在移動(dòng)端輕松實(shí)現(xiàn)媲美PC端的高畫(huà)質(zhì)效果。

  美通社

  1444

  2023/10/19

  美通社 神經(jīng)網(wǎng)絡(luò)
• 特斯拉FSD V12開(kāi)發(fā)細(xì)節(jié)曝光：訓(xùn)練8個(gè)月輸入超1000萬(wàn)個(gè)視頻，有時(shí)比馬斯克開(kāi)得好
  

  特斯拉FSD V12系統(tǒng)的開(kāi)發(fā)細(xì)節(jié)曝光了。雖然馬斯克預(yù)告過(guò)FSD V12改變了技術(shù)路線，但讓人意外的是，特斯拉其實(shí)在今年年初才開(kāi)始訓(xùn)練這個(gè)基于神經(jīng)網(wǎng)絡(luò)的智能駕駛算法。而就在四個(gè)月后，新系統(tǒng)就已經(jīng)準(zhǔn)備好取代舊系統(tǒng)；八個(gè)月后，全新的FSD V12在馬斯克直播中亮相。這背后則是一條改變的技術(shù)路線，從規(guī)則驅(qū)動(dòng)，到數(shù)據(jù)驅(qū)動(dòng)；從分模塊設(shè)計(jì)，到端到端。

  智能車參考

  2370

  2023/09/12

  智能駕駛 神經(jīng)網(wǎng)絡(luò)
• Transformer流行的背后
  

  許多技術(shù)公司都在大肆宣揚(yáng)自己擁有比其他公司更好的處理transformer算法的解決方案。但其實(shí)業(yè)界transformer的基準(zhǔn)測(cè)試尚未推出。Generative AI（GAI）的蓬勃發(fā)展已經(jīng)顛覆了整個(gè)AI世界，似乎是這樣。大語(yǔ)言模型（LLM），如ChatGPT所示，大多局限于語(yǔ)言建模和文本生成。但transformer（一種支撐LLM和其他GAI應(yīng)用的總體深度學(xué)習(xí)架構(gòu)）提供了一種可用于文本、語(yǔ)音、圖像、3D和視頻等數(shù)據(jù)流或任何傳感數(shù)據(jù)的模型。

  Astroys

  5083

  2023/08/30

  神經(jīng)網(wǎng)絡(luò) Transformer
• ST機(jī)器學(xué)習(xí)解決方案助力車企探索汽車AI可能性
  

  意法半導(dǎo)體的首款車規(guī)機(jī)器學(xué)習(xí)解決方案SL-AIAID012401V1由AEKD-AICAR1?評(píng)估套件、AI?人工智能插件和AutoDevKit?車規(guī)開(kāi)發(fā)板組成，能夠識(shí)別駐車、正常路況、崎嶇道路、車輪側(cè)滑或突然轉(zhuǎn)向四種汽車狀態(tài)。這是一個(gè)難得的機(jī)會(huì)，可以通過(guò)測(cè)試和開(kāi)發(fā)汽車人工智能應(yīng)用，以確定該技術(shù)是否適合這個(gè)市場(chǎng)。事實(shí)上，許多車企還在探索在行業(yè)現(xiàn)階段，機(jī)器學(xué)習(xí)對(duì)他們是否有意義。從頭開(kāi)始創(chuàng)建算法需要投入大量的人力和資金。把評(píng)估解決方案導(dǎo)入我們的 AutoDevKit 平臺(tái)，可以讓開(kāi)發(fā)人員更輕松地探索車規(guī)人工智能的可行性。

  與非網(wǎng)編輯

  3273

  2023/08/29

  意法半導(dǎo)體 機(jī)器學(xué)習(xí)
• 訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)：什么是機(jī)器學(xué)習(xí)？——第二部分
  摘要 本文是系列文章的第二部分，重點(diǎn)介紹卷積神經(jīng)網(wǎng)絡(luò)(CNN)的特性和應(yīng)用。CNN主要用于模式識(shí)別和對(duì)象分類。在第一部分文章《卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介：什么是機(jī)器學(xué)習(xí)？——第一部分》中，我們比較了在微控制器中運(yùn)行經(jīng)典線性規(guī)劃程序與運(yùn)行CNN的區(qū)別，并展示了CNN的優(yōu)勢(shì)。我們還探討了CIFAR網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以對(duì)圖像中的貓、房子或自行車等對(duì)象進(jìn)行分類，還可以執(zhí)行簡(jiǎn)單的語(yǔ)音識(shí)別。本文重點(diǎn)解釋如何訓(xùn)練這些神經(jīng)網(wǎng)絡(luò)

  與非網(wǎng)編輯

  3396

  2023/04/18

  人工智能 濾波器

正在努力加載...