最新 | 熱門
gtcdt74
Google 資深科學家暨工程師 Jeff Dean 用深入淺出的方式介紹深度學習
在 NVIDIA GTC 的第二日，由 Google 負責深度學習領域的資深科學家暨工程師 Jeff Dean 進行主題演說， Google 是相當早就投入機器學習以及深度學習領域的企業，投入的原因也是為了使其服務更好，同時設法認知使用者行為並能進行應對；然而若是以傳統的人工智慧難以應付瞬息萬變的使用者行為，故具有永續學習進化能力的深度學習也成了 Google 的首選。 在 Google 的服務，產生相當膨大的數據量，而這些數據也成了所謂的大數據基數，但該如何有效的應用這些數據，解析數據就成了相當重要的一環。以圖像為例，如何幫數據庫中海量的照片分類？該如何將一張複雜的照片中分析出照片內的元素？
Chevelle.fu
10 年前
是傳 Google 打算推出具人工智慧的通訊軟體這篇文章的首圖
傳 Google 打算推出具人工智慧的通訊軟體
頂著搜尋龍頭的光環，但 Google 也不是做甚麼都無往不利，面對基於社群服務的 Facebook ，不僅 Google+ 雷聲大雨點小，就連 Facebook 延伸出的 Facebook Messenger 也讓 Google 的即時通訊服務黯然失色；而華爾街日報指出， Google 正打算啟動新的即時通訊服務，而且還加入可與使用者互動的人工智慧，讓使用者除了可以跟好友聊天外，也可以跟人工智慧互動。這項服務的基礎沒意外會建立在基於深度學習( Deep Learning )的機器學習( Machine Learning )平台上，藉由人工智慧的方式加上 Google 龐大的搜尋資料庫，變相的提
Chevelle.fu
9 年前
是GTC 2016 ： 相當 250 台 x86 伺服器效能 ， NVIDIA 發表搭載 8 張 Tesla P100 加速器的超級電腦 DGX-1這篇文章的首圖
GTC 2016 ： 相當 250 台 x86 伺服器效能 ， NVIDIA 發表搭載 8 張 Tesla P100 加速器的超級電腦 DGX-1
NVIDIA 在發表 Tesla P100 時，也一併宣布搭載 Tesla P100 的深度學習超級電腦 DGX-1 ，這款超級電腦發揮 Tesla P100 所採用的 Pascal 架構特性，一口氣搭載到 NVLink 的 GPU 溝通上限的 8 顆 Tesla P100 加速器，號稱效能相當 250 台 x86 伺服器運算效，以 250 台 x86 CPU 超級電腦才能達到的 2 小時智慧學習結果，只要一台 GDX-1 即有相同效果。架構包括兩顆 Xeon 處理器， 7TB SSD ， 支援 NVLink 的陣列架構主板，上面的 Tesla P100 則搭載 16GB HBM2 記憶體，電
Chevelle.fu
9 年前
是[品牌大傳奇] 從手機到人工智慧的 Game Changer ，ARM重新詮釋改變人類命運的新運算這篇文章的首圖
[品牌大傳奇] 從手機到人工智慧的 Game Changer ，ARM重新詮釋改變人類命運的新運算
在智慧手機崛起前，多數的人談到電腦，多半只知道 AMD 、 Intel 與 NVIDIA ，不過隨著智慧手機崛起， ARM 這個名字也漸漸廣為人知，不過不同於前三家以電腦為主的品牌， ARM 總給人一種蒙著神秘面紗的感覺，好像哪裡都可以聽到搭載 ARM 的核心，但卻又不是處理器的品牌，不過或許很多人並不清楚， ARM 不僅僅只是智慧手機界的霸主，從物聯網裝置到伺服器甚至汽車，處處可見 ARM 的技術。 雖然 ARM 廣為人知是智慧手機崛起後近幾年的事情，不過追溯到 ARM 的前身艾康電腦 ( Acorn Computers)，則可回溯到上個世紀 1978 年，而後在 1990 年正式成立 AR
花生醬
8 年前
照片中提到了intel.、INTEL O CORE I9、TM，跟英特爾、英特爾有關，包含了電子產品、電子配件、產品設計、中央處理器、牌
14nm 火箭即將升空， Intel 第 11 代 Core " Rocket Lake-S "介紹與 i9-11900K 、 i5-11600K 搶先動眼看
Intel 即將在 3 月底正式解禁代號 Rocket Lake-S 的第 11 代 Core 主流桌上型平台， Intel 也開放率先於今日曝光提供給媒體進行測試的 i9-11900K 、 i5-11600K 兩款處理器與進行基本介紹；代號 Rocket Lake-S 雖與前一代 Comet Lake-S 同為 14nm 製程，不過強調整體設計更是為遊戲玩家而來，在架構也有許多改變，接下來就簡單介紹此世代平台特色吧。 ▲零售版 i9-11900K 包裝 ▲ Rocket Lake-S 產品線包裝主視覺 ▲雖仍為 14nm 製程，但總算以 Cypress Lake 取代行之有年的 Skylak
Chevelle.fu
4 年前
是AMD Open Compute 計畫 ROCm 邁入 1.3 版，開始支援 Polaris 架構這篇文章的首圖
AMD Open Compute 計畫 ROCm 邁入 1.3 版，開始支援 Polaris 架構
AMD 在 2015 年的 SC15 大會開始提出 Open Computing 的計畫，希望藉由開源的方式推廣 GPU 加速的異質運算，同時賦予此計畫 ROCm ( Radeon Open Compute Platform )的名稱，歷經一年左右的時間也在 SC16 大會公布了最新的 ROCm 1.3 ，主要也加入最新的 Polaris 架構 GPU 的支援。ROCm 計畫的宗旨仍舊是希望藉由開放平台的方式藉此推廣 Radeon GPU 於異質運算的應用，故除了 AMD 的 Fiji 、 Hawaii 以及 Polaris 架構 GPU 以外，可與包括 AMD 、 Intel 等 x86 C
Chevelle.fu
8 年前
是NVIDIA 宣布將免費提供深度學習與嵌入式機器人教育教學套裝學程給教育界申請下載這篇文章的首圖
NVIDIA 宣布將免費提供深度學習與嵌入式機器人教育教學套裝學程給教育界申請下載
NVIDIA 為了使深度學習教育更普及，透過設立深度學習機構 DLI 進行各種工作坊與線上課程，希望藉此讓更多有志投入深度學習的產學開發者能夠有完善的管道學習如何透過 NVIDIA 平台進行深度學習開發，而 NVIDIA 深度學習教育機構宣布為了讓更多學生能及早學習炙手可熱的深度學習，將提供教學套件與 GPU 資源給予大學院校與實驗室進行申請。 NVIDA 將提供包括深度學習學程套件、 GPU 加速運算教育學程套件、嵌入式自主機器教育學程套件等，此外有興趣開發自動駕駛車的學校與實驗室，亦可透過官方管道購買基於 Jetson TK1 或是 Jetson TX1 平台的 Jet 套件。 有興趣申請
Chevelle.fu
7 年前
是針對網路資料中心機器學習處理， NVIDIA 推出 Hyperscale 級加速器 Tesla M40 、 Tesla M4這篇文章的首圖
針對網路資料中心機器學習處理， NVIDIA 推出 Hyperscale 級加速器 Tesla M40 、 Tesla M4
NVIDIA 針對近年網路數據中心在人工智慧、機器學習開發的需求，發表了 Hyperscale 等級的 Tesla 加速器 Tesla M40 ，主打最高效能、並可用於各類的深度神經網路；同時也針判讀影像串流、視訊處理等應用提供低功號加速器 Tesla M4 。Tesla M40 是一款基於 Maxwell 架構的加速器，具備 3,072 個 CUDA 核心，核心數量與 GeForce GTX Titan X 相同，應該是相同的核心，並也同樣搭配 12GB GDDR 5 記憶體，記憶體頻寬達 288GB/sec ，提供最高 7 TFLOPS 的單精度浮點運算效能。相較於 Titan X 特別強
Chevelle.fu
9 年前
是GTC 2015 ：一千美元有找， NVIDIA 發表 12GB VRAM 的單精度浮點運算神器 TITAN X這篇文章的首圖
GTC 2015 ：一千美元有找， NVIDIA 發表 12GB VRAM 的單精度浮點運算神器 TITAN X
NVIDIA 在今年的 GTC 發表泰坦家族的最新成員 TITAN X ，主打是效能最強的單精度運算 GPU ，這張旗艦級多功能 GPU 採用基於 Maxwell 架構的 GF200 ，擁有 3,072 個 CUDA 核心，並具備 12GB GDDR5 VRAM ，同時運算效能可達 7TFLOPS SP ， 0.2TFOPS per DP ，建議售價 999 美金。同時 NVIDIA 也展示在先前 GDC 期間與 Epic Game 共同展示、以 Unreal Engine 4 遊戲引擎打造一套以 TITAN X 系統進行即時的渲染動畫，可看到透過新一代顯示技術與渲染技術，足以做出媲美動畫電影
Chevelle.fu
10 年前
是GTC 2015 ：結合平行運算、模仿人類感知的深度學習，正醞釀一波人工智慧革命這篇文章的首圖
GTC 2015 ：結合平行運算、模仿人類感知的深度學習，正醞釀一波人工智慧革命
今年 GTC 的主題演講活動上， CEO 黃仁勳開場介紹四項活動主題時，都刻意強調今年的主題與深度學習密不可分；而何謂深度學習？相較於傳統的人工智慧，深度學習模仿人類的認知學習方式，透過接收素材產生自主學習能力，進一步使機器能夠透過學習產生感知。深度學習的理論處源於 90 年代的影像辨識架構，然而直到 2012 年，由於精確性始終卡在七成，故並未成為主流；然而在 2012 年後，結合 CUDA 平行運算後，一舉使停滯將近十年的深度學習影像辨識突破 8 成，更在今年由百度、 微軟與 Google 紛紛將錯誤率減少至 5% 左右，也使深度學習成為人工智慧的顯學。以影像辨識的深度學習理論來說，首先是
Chevelle.fu
10 年前
友站推薦
日本 AI 研究第一人！東大松尾豐教授籲日本立刻應戰「ChatGPT」時代
INSIDE - 湯皓茹
日本 AI 研究第一人！東大松尾豐教授籲日本立刻應戰「ChatGPT」時代
想當AI產業的產品經理，你得先了解「人工智慧」和「機器學習」的差異
關鍵評論 - 精選轉載
想當AI產業的產品經理，你得先了解「人工智慧」和「機器學習」的差異
AI 剛學會了一件挺殘忍的事：預言死亡
INSIDE - 《合作媒體》PINGWEST
AI 剛學會了一件挺殘忍的事：預言死亡
年紀大了就無作為？別顧著畫地自限，輕忽大腦驚人的可塑性
關鍵評論 - 周達智
年紀大了就無作為？別顧著畫地自限，輕忽大腦驚人的可塑性
【新年決心】今年真係要 "change your mind"
關鍵評論 - 周達智
【新年決心】今年真係要 "change your mind"
「人之異於機械，幾希乎？」因為人工智慧，但是人性愚昧
關鍵評論 - 紀金慶
「人之異於機械，幾希乎？」因為人工智慧，但是人性愚昧
「人之異於機械，幾希乎？」因為人工智慧，但是人性愚昧
關鍵評論 - 紀金慶
「人之異於機械，幾希乎？」因為人工智慧，但是人性愚昧

相關文章