注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 利用高性能计算加速深度学习算法

  2. 介绍利用GPU加速深度学习算法，涉及模型并行和数据并行，主从模式和令牌环模式通信，满足GPU集群数据划分方法；最后介绍了利用FPGA加速线上识别算法，提高性能功耗比

  3. 所属分类：其它

    • 发布日期：2015-11-03
    • 文件大小：551936
    • 提供者：zhang0311

  1. 深度学习Batch Normalization理论

  2. 深度学习Batch Normalization是常用的加速方法，资料为该理论介绍

  3. 所属分类：深度学习

    • 发布日期：2017-11-09
    • 文件大小：173056
    • 提供者：layyuiop

  1. 深度学习加速与神经形态计算技术-介绍与展望

  2. 本文接受了深度学习加速与神经形态计算技术，展望未来深度学习及神经网络的发展方向。

  3. 所属分类：深度学习

    • 发布日期：2018-06-28
    • 文件大小：9437184
    • 提供者：spaceoflove

  1. 深度学习入门工具介绍PPT

  2. 介绍深度学习的基本工具，设计到深度学习框架、深度学习语言、Ubuntu系统、GPU加速工具、云端计算资源

  3. 所属分类：深度学习

    • 发布日期：2018-08-13
    • 文件大小：1048576
    • 提供者：wanzhen4330

  1. 低功耗深度学习和计算机视觉方法综述【WF-IoT-普渡大学】.pdf

  2. 本文综述了低功耗深度学习和计算机视觉在推理方面的研究进展，讨论了压缩和加速DNN模型的方法。这些技术可以分为四大类:(1)参数量化和剪枝;(2)压缩卷积滤波器和矩阵分解;(3)网络结构搜索;(4)知识提取。我们分析了每一类技术的准确性、优点、缺点和潜在的问题解决方案。我们还讨论了新的评价指标，作为今后研究的指导。

  3. 所属分类：机器学习

    • 发布日期：2020-03-26
    • 文件大小：227328
    • 提供者：syp_net

  1. 基于FPGA的深度学习加速器

  2. 基于FPGA的深度学习加速器，基于FPGA的深度学习加速器，基于FPGA的深度学习加速器，基于FPGA的深度学习加速器，基于FPGA的深度学习加速器，基于FPGA的深度学习加速器。

  3. 所属分类：硬件开发

    • 发布日期：2020-01-10
    • 文件大小：4194304
    • 提供者：dengxf01

  1. 基于深度学习的检测冠脉造影有无完全闭塞病变的系统.pdf

  2. 发明专利文档，本发明公开了一种基于深度学习的检测冠 脉造影有无完全闭塞病变的系统，使用深度学习 循环神经网络对整体视频进行分析，并利用GPU (图形处理器)加速计算得到检测结果，计算延时 小解决了检测的实时性问题。

  3. 所属分类：深度学习

    • 发布日期：2020-06-09
    • 文件大小：582656
    • 提供者：phytle0

  1. 【详解】FPGA：机器深度学习的未来？

  2. 最近几年数据量和可访问性的迅速增长，使得人工智能的算法设计理念发生了转变。人工建立算法的做法被计算机从大量数据中自动习得可组合系统的能力所取代，使得计算机视觉、语音识别、自然语言处理等关键领域都出现了重大突破。深度学习是这些领域中所最常使用的技术，也被业界大为关注。然而，深度学习模型需要极为大量的数据和计算能力，只有更好的硬件加速条件，才能满足现有数据和模型规模继续扩大的需求。     现有的解决方案使用图形处理单元（GPU）集群作为通用计算图形处理单元（GPGPU），但现场可编程门阵列（FP

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：152576
    • 提供者：weixin_38629303

  1. 深度学习实践方法和应用

  2. MIT版深度学习第11章 深度学习实践方法， 第12章应用，介绍大规模网络，cpu 加速，GPU加速

  3. 所属分类：深度学习

    • 发布日期：2020-11-04
    • 文件大小：31457280
    • 提供者：baidu_35560935

  1. 深度学习之PyTorch安装

  2. 深度学习之PyTorch安装Step1：打开pytorch官网简单介绍一下如何查看自己的电脑是否支持CUDA1、首先打开NVIDIA控制面板2、点击帮助->系统信息->组件step2 安装pytorch(使用PIP安装是可以加速的哦)step3 检查PyTorch是否安装成功 Step1：打开pytorch官网 进入pytorch官网，向下拉，可以看到如下界面 此时完全是默认的选项，第一个选择版本，建议选择稳定版。 第二个是自己的操作系统，我的是windows系统。 第三个是安装的

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：523264
    • 提供者：weixin_38638033

  1. windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN

  2. windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN 步骤零：安装anaconda、opencv、pytorch（这些不详细说明）。复制运行代码，如果没有报错，说明已经可以了。不过大概率不行，我的会报错提示AssertionError: Torch not compiled with CUDA enabled。说明需要安装CUDA，或者安装的pytorch版本是不带CUDA的版本，需要按照以下步骤操作。 步骤一：安装CUDA 步骤二：安装cuDDN 步骤

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：299008
    • 提供者：weixin_38601103

  1. xshinnosuke:由Numpy纯粹实现的深度学习框架，通过GPU加速支持动态图和静态图-源码

  2. XShinnosuke：深度学习框架 内容描述 XShinnosuke（短XS）是一个高层次的神经网络框架，两个动态图形和静态图形支撑，并具有几乎相同的API来Keras和Pytorch略有差异。它仅由Python编写，致力于快速实现实验。 这是XS的一些功能： 基于Cupy （GPU版本）/ Numpy ，原生于Python。 没有任何其他第三方深度学习库。 Keras和Pytorch风格的API ，易于启动。 支持常用层，例如： Dense，Conv2D，MaxPooling2D，LSTM

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：23068672
    • 提供者：weixin_42107165

  1. AutoRCWA_Net:结合RCWA的不断发展的深度学习网络-源码

  2. AutoRCWA_Net 结合RCWA的不断发展的深度学习网络。 此模型禁止包作为子模块。 对于不同的几何形状和材料结构，可能在此应用了更改。 此存储库仍在构建中，可能会应用更改。 依存关系 麻木 matplotlib 科学的 火炬 ，用于RCWA的GPU加速

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：854016
    • 提供者：weixin_42107491

  1. fasterseq:基于fairseq的更快，更高效的序列建模深度学习算法的实现，例如Lite-Transormer，Reformer，Linformer，注意力机制的有效变体等-源码

  2. 关于FasterSeq 随着物联网和其他移动设备的快速发展，更快，更高效的深度学习技术的部署需要更多的努力。 我创建了这个资料库，以探索和开发最新的加速计算和有效的深度学习技术，以进行更快的序列建模。 我们选择的基础库是 ，它是由Facebook人工智能研究实验室开发和维护的用于序列建模的开源库。 要求和安装 版本> = 1.4.0 Python版本> = 3.6 要训​​练新型号，您还需要NVIDIA GPU和 要安装fairseq并在本地进行开发： git clone h

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：3145728
    • 提供者：weixin_42181686

  1. 深度学习的加速核磁共振波谱

  2. 深度学习的加速核磁共振波谱

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38618540

  1. dla:音频处理的深度学习-源码

  2. 音频深度学习（DLA） 每周的讲座和研讨会资料位于./week*文件夹中，有关资料和说明，请参阅README.md。 任何技术问题，想法，课程资料中的错误，贡献想法-添加问题 该课程的当前版本于2020年秋季在的进行 教学大纲 数字信号处理简介 讲座：信号，傅立叶变换，频谱图，MFCC等 研讨会：PyTorch简介，DevOps，深度学习研发 自动语音识别I 讲座：指标，注意力，LAS，CTC，BeamSearch 研讨会：Docker，W＆B，音频增强 自动语音识别II 演讲：LM融

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：2097152
    • 提供者：weixin_42129970

  1. hebel：Python中的GPU加速的深度学习库-源码

  2. 赫贝尔 Python中的GPU加速的深度学习库 Hebel是一个用于Python深度神经网络学习的库，它通过PyCUDA通过CUDA与GPU一起使用GPU加速。 它实现了最重要的神经网络模型类型，并提供了各种不同的激活函数和训练方法，例如动量，涅斯特罗夫动量，辍学和提前停止。 我不再积极发展Hebel。 如果您正在寻找Python的深度学习框架，我现在推荐 。 楷模 目前，Hebel实现了前馈神经网络，可以对一项或多项任务进行分类和回归。 其他模型，例如Autoencoder，卷积神经网络和R

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：135168
    • 提供者：weixin_42126399

  1. 阿里云异构计算平台——加速AI深度学习创新

  2. 云栖TechDay第36期，阿里云高级产品专家霁荣带来“阿里云异构计算平台——加速AI深度学习创新”的演讲。本文主要从深度学习催生强大计算力需求开始谈起，包括GPU的适用场景，进而引出了弹性GPU服务——EGS（ElasticGPUService），重点讲解了EGS的优势、EGS监控以及EGS产品家族，最后对EGS支撑AI智能创新进行了总结。以下是精彩内容整理：怎样加速AI深度学习支撑，帮助大家搭建模型，支撑大家业务运营等等。如图，深度学习出来之后，过去很多人做机器学习是用小数据做，到了大数据时

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：1048576
    • 提供者：weixin_38706782

  1. 深度学习的异构加速技术（三）：互联网巨头们“心水”这些AI计算平台

  2. 本文来自于www.qcloud.com，将走进工业界，看一看半导体厂商和互联网巨头在AI计算中的不同选择。在前面的，主要在解决带宽这一核心问题的层面，对学术界涌现的典型架构进行讨论。不同厂商有不同的应用场景，而适合构架和解决方案也各不相同，如云侧和端侧处理构架的设计导向差别较大。对于半导体领域，只要市场规模足够大，有足够多的客户买单，那么就有足够的动力去做相应的硬件定制。下面对以Nvidia和Intel为代表的半导体厂商方案进行论述。NVIDIA的应用场景是图像计算和海量数据并行计算。GPU是异

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：776192
    • 提供者：weixin_38619967

  1. 深度学习的异构加速技术（一）：AI需要一个多大的“心脏”？

  2. 本文来自于www.qcloud.com，主要针对深度学习的计算构架进行讨论，在嵌入式VS云端不同场景下，ai处理器又是怎么工作的。作为通用处理器，CPU(CentralProcessingUnit)是计算机中不可或缺的计算核心，结合指令集，完成日常工作中多种多样的计算和处理任务。然而近年来，CPU在计算平台领域一统天下的步伐走的并不顺利，可归因于两个方面，即自身约束和需求转移。一方面，当半导体的工艺制程走到7nm后，已逼近物理极限，摩尔定律逐渐失效，导致CPU不再能像以前一样享受工艺提升带来的红

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：449536
    • 提供者：weixin_38663608
« 12 3 4 5 6 7 8 9 10 »