网站首页
关于我们
公司简介
新闻资讯
软件技术
服务条款
隐私政策
产品中心
液冷系统
矿机
水冷板套件
GPU机箱系列
电源系列
服务器系列
配件系列
蚂蚁水冷机柜
神马水冷机柜
水冷矿箱
浸没式油冷系统
家用散热水排
联系我们
联系方式
在线留言
下载中心
城市分站
中文版
English
Русский язык
Français
España
公司新闻
行业新闻
增强现实还是混合现实?解析NFT在元宇宙为何至关重要
关于为什么 Metaverse 需要加密,特别是为什么 Metaverse 需要 NFT。 至关重要的是,元节的所有权层最终位于公共区块链上而不是私有数据库中。
15
2021
/
09
「熊市思考」Web3中间件都有了,我们离爆发还差什么?
聊聊看最近关于 Web3 中间件的思考:数据,社交图谱和身份。 Web2 的巨头长期掌握着用户数据所有权和使用权,通过数据直接或间接牟利的手段更是层出不穷。
AI芯片特性及对比
目前,智能驾驶领域在处理深度学习AI算法方面,主要采用GPU、FPGA 等适合并行计算的通用芯片来实现加速。同时有部分芯片企业开始设计专门用于AI算法的ASIC专用芯片,比如谷歌TPU、地平线BPU等。在智能驾驶产业应用没有大规模兴起和批量投放之前,使用GPU、FPGA等已有的通用芯片可以避免专门研发定制芯片(ASIC)的高投入和高风险,但是,由于这类通用芯片设计初衷并非专门针对深度学习,因而存在性能不足、功耗过高等方面的问题。这些问题随着自动驾驶行业应用规模的扩大将会日益突出。
为何GPU可以用于加速人工智能或者机器学习的计算速度(并行计算能力)
电脑显示器上显示的图像,在显示在显示器上之前,要经过一些列处理,这个过程有个专有的名词叫“渲染”。以前的计算机上没有GPU,渲染就是CPU负责的。渲染是个什么操作呢,其实就是做了一系列图形的计算,但这些计算往往非常耗时,占用了CPU的一大部分时间。而CPU还要处理计算机器许多其他任务。因此就专门针对图形处理的这些操作设计了一种处理器,也就是GPU。这样CPU就可以从繁重的图形计算中解脱出来。
什么样的 GPU 才是人工智能训练的最佳选择?
众所周知,当今业界领先(State-of-the-art)的深度学习模型都会占用巨大的显存空间,很多过去性能算得上强劲的 GPU,现在可能稍显内存不足。探讨了哪些GPU可以在不出现内存错误的情况下训练模型,这些显卡更适合个人电脑和小型工作站。该篇文章的核心结论是,显存大小非常重要。是的,显存大小正在制约着很多深度学习模型的训练。
AI做显卡、显卡跑AI!英伟达实现芯片设计自循环?
Dally在2022年的GTC演讲中描述道:「我们的设计团队是一个约有300人的小组,试图在英伟达的产品设计上探索更有前瞻性的领先位置。我们有点像远光灯,试图照亮远处的东西。这个团队被松散地组织成两半。
全局搜索