神經(jīng)網(wǎng)絡(luò) 文章進(jìn)入神經(jīng)網(wǎng)絡(luò)技術(shù)社區(qū)

Nvidia 征服了最新的 AI 測(cè)試

多年來(lái)，英偉達(dá)在許多機(jī)器學(xué)習(xí)基準(zhǔn)測(cè)試中占據(jù)主導(dǎo)地位，現(xiàn)在它又多了兩個(gè)檔次。MLPerf，有時(shí)被稱為“機(jī)器學(xué)習(xí)的奧林匹克”的人工智能基準(zhǔn)測(cè)試套件，已經(jīng)發(fā)布了一套新的訓(xùn)練測(cè)試，以幫助在競(jìng)爭(zhēng)計(jì)算機(jī)系統(tǒng)之間進(jìn)行更多更好的同類比較。MLPerf 的一項(xiàng)新測(cè)試涉及對(duì)大型語(yǔ)言模型的微調(diào)，該過(guò)程采用現(xiàn)有的訓(xùn)練模型，并用專業(yè)知識(shí)對(duì)其進(jìn)行更多訓(xùn)練，使其適合特定目的。另一個(gè)是圖神經(jīng)網(wǎng)絡(luò)，一種機(jī)器學(xué)習(xí)，一些文獻(xiàn)數(shù)據(jù)庫(kù)背后的一種機(jī)器學(xué)習(xí)，金融系統(tǒng)中的欺詐檢測(cè)，以及社交網(wǎng)絡(luò)。即使使用谷歌和英特爾的人工智能加速器的計(jì)算機(jī)增加和參與，由
關(guān)鍵字： GPU 神經(jīng)網(wǎng)絡(luò) LLM MLPerf 基準(zhǔn)測(cè)試英偉達(dá)

特斯拉FSD能否打破自動(dòng)駕駛的默認(rèn)偏見(jiàn)？

特斯拉的全自動(dòng)駕駛（FSD）是輔助駕駛系統(tǒng)Autopilot的升級(jí)版，可用于城市公共道路，包括自動(dòng)停車、自動(dòng)變道和交通導(dǎo)航。早在四年前特斯拉就推出了FSD軟件，并將其不斷升級(jí)至最新的FSD V12版本。但在中國(guó)尚無(wú)這項(xiàng)功能可用，特斯拉一直尋求在中國(guó)提供FSD技術(shù)。
關(guān)鍵字： 202406 特斯拉 FSD 自動(dòng)駕駛 ADAS 神經(jīng)網(wǎng)絡(luò)

別再用VGG了！一文帶你看透 RepVGG怎么重鑄VGG榮光

寫(xiě)在前面VGG算是非常經(jīng)典的網(wǎng)絡(luò)了，它是由牛津大學(xué)計(jì)算機(jī)視覺(jué)組（Visual Geometry Group）和Google DeepMind公司的研究員一起研發(fā)的 “直筒型“ 的網(wǎng)絡(luò)。既然在看這篇文章，想必已經(jīng)對(duì)VGG十分熟悉了。VGG有一些特別明顯的缺陷，如網(wǎng)絡(luò)的參數(shù)量較多，模型檢測(cè)準(zhǔn)確率也不是很好，總之VGG網(wǎng)絡(luò)效果不理想。之后的一段時(shí)間，人們總是將網(wǎng)絡(luò)變得更寬更深（如GoogleNet、ResNet）,以期待達(dá)到更優(yōu)異的效果。事實(shí)上也是這樣，更深更寬的網(wǎng)絡(luò)更容易滿足需求。這樣，VGG變得鮮有問(wèn)津。這
關(guān)鍵字： VGG 神經(jīng)網(wǎng)絡(luò) 人工智能 RepVGG

蘋(píng)果M4系列芯片將在今年年底推出，增加神經(jīng)網(wǎng)絡(luò)引擎核心

蘋(píng)果將于2024年底開(kāi)始推出搭載M4芯片的Mac新品。在人工智能大熱的背景下，M4系列也將增加神經(jīng)網(wǎng)絡(luò)引擎核心，以增強(qiáng)人工智能性能。蘋(píng)果M4芯片預(yù)計(jì)至少有三個(gè)主要型號(hào)：入門級(jí)芯片的代號(hào)為Donan，中端芯片的代號(hào)為Brava，高端芯片則代號(hào)為Hidra。
關(guān)鍵字：蘋(píng)果 M4 芯片神經(jīng)網(wǎng)絡(luò) AI

蘋(píng)果發(fā)布DeepPCR機(jī)器學(xué)習(xí)算法：加速神經(jīng)網(wǎng)絡(luò)的推理和訓(xùn)練

蘋(píng)果近日發(fā)布了DeepPCR機(jī)器學(xué)習(xí)算法，通過(guò)并行處理常規(guī)順序操作，可以加速神經(jīng)網(wǎng)絡(luò)的推理和訓(xùn)練。神經(jīng)網(wǎng)絡(luò)處理過(guò)程中，目前廣泛采取并行化技術(shù)，不過(guò)神經(jīng)網(wǎng)絡(luò)中的一些操作仍然是按順序完成的，擴(kuò)散模型通過(guò)一系列的去噪階段生成輸出，并且逐層進(jìn)行向前和向后傳遞。隨著步驟數(shù)的增加，這些進(jìn)程的順序執(zhí)行在計(jì)算上變得昂貴，可能會(huì)導(dǎo)致計(jì)算瓶頸。蘋(píng)果科研團(tuán)隊(duì)為了解決這個(gè)問(wèn)題，推出了DeepPCR算法，進(jìn)一步加速了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和推理。該團(tuán)隊(duì)采用了平行循環(huán)還原（PCR）算法來(lái)檢索該解決方案，將順序過(guò)程的計(jì)算成本從 O（L）降低到
關(guān)鍵字：蘋(píng)果 DeepPCR 機(jī)器學(xué)習(xí) 算法神經(jīng)網(wǎng)絡(luò)

適用于手語(yǔ)采集與輸入的智能手套及翻譯系統(tǒng)

設(shè)計(jì)并實(shí)現(xiàn)了一款以ESP32-C3-WROOM-02為核心，基于物聯(lián)網(wǎng)、UDP協(xié)議、姿態(tài)傳感器和彎曲傳感器的適用于手語(yǔ)采集與輸入的智能手套及翻譯系統(tǒng)。該系統(tǒng)通過(guò)在手套上綁定姿態(tài)傳感器MPU6050，配合彎曲傳感器動(dòng)態(tài)監(jiān)測(cè)手的運(yùn)動(dòng)和姿態(tài)，通過(guò)ESP32芯片采集傳感器數(shù)據(jù)并做初步處理，經(jīng)單片機(jī)上的Wi-Fi模塊通過(guò) UDP 協(xié)議傳輸給云端采用 SVM 算法識(shí)別靜態(tài)手勢(shì)，此外，本設(shè)計(jì)還搭建了基于Python的Web應(yīng)用程序框架Streamlit實(shí)現(xiàn)在網(wǎng)頁(yè)上實(shí)時(shí)呈現(xiàn)處理結(jié)果和全平臺(tái)兼容，方便用戶使用。
關(guān)鍵字： 202308 手勢(shì)識(shí)別 ESP32 彎曲傳感器 SVM 神經(jīng)網(wǎng)絡(luò)

從NN神經(jīng)網(wǎng)絡(luò)理解隱空間

1? ?復(fù)習(xí)：AIGC創(chuàng)作力來(lái)源——隱空間在2023 年1 月刊連載中，我們?cè)?jīng)說(shuō)明在AIGC領(lǐng)域里，最近幾個(gè)很紅的圖像模型，例如DALLE、Imagen 和Midjourney 等，它們都是基于一種機(jī)制：擴(kuò)散(Diffusion)。經(jīng)由模型訓(xùn)練，操作隱空間(Latent space) 的向量，加上隨機(jī)輸入中合成新的數(shù)據(jù)，呈現(xiàn)出令人驚奇的創(chuàng)作，推動(dòng)了AI 組合的創(chuàng)新或創(chuàng)作。這意味著，關(guān)于AI 的生成或創(chuàng)作，大多會(huì)涉及隱空間的操作?，F(xiàn)在先從一個(gè)基本問(wèn)題出發(fā)，這個(gè)問(wèn)題是：為什么AI會(huì)創(chuàng)作
關(guān)鍵字： 202303 神經(jīng)網(wǎng)絡(luò) 隱空間 AIGC

人工智能推動(dòng)神經(jīng)網(wǎng)絡(luò)技術(shù)開(kāi)發(fā)熱潮

神經(jīng)網(wǎng)絡(luò)幾乎成了人工智能的代名詞，正在被應(yīng)用于各種領(lǐng)域，包括影像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理、自動(dòng)駕駛、訊號(hào)分析、大數(shù)據(jù)分析和游戲。這是一個(gè)瞬息萬(wàn)變的世界，每年都有新的神經(jīng)網(wǎng)絡(luò)模型被更新，大量的開(kāi)放原始碼到處流傳，專用人工智能芯片開(kāi)發(fā)企業(yè)更是如雨后春筍般涌現(xiàn)。因此全球研究人員正透過(guò)模仿人類大腦組織方式，積極開(kāi)發(fā)類神經(jīng)網(wǎng)絡(luò)技術(shù)，雖然一直有突破性的進(jìn)展，但是現(xiàn)階段的神經(jīng)網(wǎng)絡(luò)，還是缺乏實(shí)時(shí)變化的靈活性，以及難以快速適應(yīng)陌生的狀況，使得神經(jīng)網(wǎng)絡(luò)技術(shù)普及實(shí)用化的進(jìn)程還是相當(dāng)遙遠(yuǎn)。根據(jù)不同應(yīng)用開(kāi)發(fā)出的神經(jīng)網(wǎng)絡(luò)模型神經(jīng)
關(guān)鍵字：人工智能神經(jīng)網(wǎng)絡(luò)

米爾入門級(jí)i.MX6UL開(kāi)發(fā)板的神經(jīng)網(wǎng)絡(luò)框架ncnn移植與測(cè)試

嵌入式Linux入門級(jí)板卡的神經(jīng)網(wǎng)絡(luò)框架ncnn移植與測(cè)試-米爾i.MX6UL開(kāi)發(fā)板
關(guān)鍵字：米爾 i.MX6UL 開(kāi)發(fā)板 ncnn移植嵌入式神經(jīng)網(wǎng)絡(luò)

意法半導(dǎo)體STM32Cube.AI開(kāi)發(fā)工具增加深度量化神經(jīng)網(wǎng)絡(luò)支持

意法半導(dǎo)體（ST）發(fā)布了STM32Cube.AI version 7.2.0，這是微控制器廠商推出的首款支持超高效深度量化神經(jīng)網(wǎng)絡(luò)的人工智能(AI)開(kāi)發(fā)工具。 STM32Cube.AI 將預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換成STM32微控制器（MCU）可以運(yùn)行的C語(yǔ)言代碼，是充分利用嵌入式產(chǎn)品有限的內(nèi)存容量和算力開(kāi)發(fā)尖端人工智能解決方案的重要工具，將人工智能從云端下移到邊緣設(shè)備，能夠?yàn)閼?yīng)用帶來(lái)巨大的優(yōu)勢(shì)，其中包括原生隱私保護(hù)、確定性實(shí)時(shí)響應(yīng)、更高的可靠性和更低的功耗。邊緣人工智能還有助于優(yōu)化云計(jì)算使用率。
關(guān)鍵字：意法半導(dǎo)體 STM32Cube.AI 深度量化神經(jīng)網(wǎng)絡(luò)

意法半導(dǎo)體STM32Cube.AI 開(kāi)發(fā)工具增加深度量化神經(jīng)網(wǎng)絡(luò)支持

意法半導(dǎo)體（ST）發(fā)布了STM32Cube.AI version 7.2.0，這是微控制器廠商推出的首款支持超高效深度量化神經(jīng)網(wǎng)絡(luò)的人工智能(AI)開(kāi)發(fā)工具。 STM32Cube.AI 將預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換成STM32微控制器（MCU）可以運(yùn)行的C語(yǔ)言代碼，是充分利用嵌入式產(chǎn)品有限的內(nèi)存容量和算力開(kāi)發(fā)尖端人工智能解決方案的重要工具，將人工智能從云端下移到邊緣設(shè)備，能夠?yàn)閼?yīng)用帶來(lái)巨大的優(yōu)勢(shì)，其中包括原生隱私保護(hù)、確定性實(shí)時(shí)響應(yīng)、更高的可靠性和更低的功耗。邊緣人工智能還有助于優(yōu)化云計(jì)算使用率。
關(guān)鍵字：意法半導(dǎo)體 STM32 AI開(kāi)發(fā)工具神經(jīng)網(wǎng)絡(luò)

移動(dòng)算法而非巨量數(shù)據(jù)

機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)進(jìn)步使我們能夠處理越來(lái)越大量?jī)?chǔ)存資料。傳統(tǒng)方法是將數(shù)據(jù)傳輸?shù)剿惴ㄔO(shè)備，但是這種移動(dòng)巨量數(shù)據(jù)（高達(dá) 1 PB）以供可能只有幾十兆位元算法來(lái)進(jìn)行處理真的有意義嗎？因此，在靠近數(shù)據(jù)儲(chǔ)存位置處理數(shù)據(jù)的想法引起了很多關(guān)注。本文研究了計(jì)算儲(chǔ)存理論和實(shí)踐，以及如何使用計(jì)算儲(chǔ)存處理器 (CSP) 為許多計(jì)算密集型任務(wù)提供硬件加速和更高性能，而不會(huì)給主機(jī)處理器帶來(lái)大量負(fù)擔(dān)。數(shù)據(jù)集崛起近年來(lái)，神經(jīng)網(wǎng)絡(luò)算法在汽車、工業(yè)、安全和消費(fèi)等應(yīng)用中使用顯著增加?；谶吘壩锫?lián)網(wǎng)傳感器通常只處理少量數(shù)據(jù)，因此所使用算法占用很
關(guān)鍵字： ?機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò) 數(shù)據(jù)集

人臉識(shí)別的工作原理是什么？

什么是人臉識(shí)別？人臉識(shí)別是一種軟件層面的算法，用于通過(guò)處理視頻幀或數(shù)字圖像來(lái)驗(yàn)證或識(shí)別一個(gè)人的身份，其中該人的臉是可見(jiàn)的。面部識(shí)別技術(shù)有幾種不同的工作方法，但是他們通常會(huì)將圖像中的面部特征與數(shù)據(jù)庫(kù)中的面部特征進(jìn)行比較。人臉識(shí)別處理的4個(gè)步驟特定的神經(jīng)網(wǎng)絡(luò)被訓(xùn)練用來(lái)檢測(cè)人臉的標(biāo)簽，并將人臉與圖像中的其他物體區(qū)分開(kāi)來(lái)。標(biāo)簽是人類普遍的五官等面部特征，比如：眼睛、鼻子、嘴巴、眉毛等。人臉識(shí)別算法的工作流程任何人臉檢測(cè)和識(shí)別系統(tǒng)或軟件都繞不開(kāi)人臉識(shí)別算法。業(yè)界將這些算法分為兩種：幾何方法側(cè)重于區(qū)分特征簡(jiǎn)而言之就將
關(guān)鍵字：人臉識(shí)別算法 AI 機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò)

2021年智源人工智能前沿報(bào)告（AI Frontiers Report）發(fā)布

2021年對(duì)于人工智能技術(shù)和產(chǎn)業(yè)，依舊是不平凡的一年。隨著算力、數(shù)據(jù)、算法等要素逐漸齊備，先進(jìn)的算法結(jié)構(gòu)不斷涌現(xiàn)，各個(gè)研究方向研究成果層出不窮，成熟的AI技術(shù)逐漸向代碼庫(kù)、平臺(tái)和系統(tǒng)發(fā)展，實(shí)現(xiàn)產(chǎn)業(yè)和商業(yè)層面的落地應(yīng)用，推動(dòng)人工智能發(fā)展邁向新階段。在新的一年即將到來(lái)之際，智源研究院采用案例征集、專家咨詢等方法，向高校和科研機(jī)構(gòu)專家學(xué)者征集2021年度人工智能動(dòng)態(tài)、案例等內(nèi)容，并通過(guò)向?qū)I(yè)人士咨詢的形式匯總觀點(diǎn)及建議，形成2021-2022年度人工智能前沿報(bào)告（AI Frontiers Report）。報(bào)告專
關(guān)鍵字： AI 機(jī)器學(xué)習(xí) 神經(jīng)網(wǎng)絡(luò) 算法

神經(jīng)網(wǎng)絡(luò)用于智能工廠和機(jī)器人的機(jī)會(huì)與挑戰(zhàn)

1? ?神經(jīng)網(wǎng)絡(luò)用于智能工廠和機(jī)器人的應(yīng)用場(chǎng)景Imagination 關(guān)注應(yīng)用人工智能（AI），特別是神經(jīng)網(wǎng)絡(luò)技術(shù)來(lái)應(yīng)對(duì)智能工廠和機(jī)器人應(yīng)用場(chǎng)景這一嵌入式系統(tǒng)新趨勢(shì)。隨著自動(dòng)化程度的提高，對(duì)嵌入式系統(tǒng)的需求不斷增加，過(guò)去微控制器（MCU）和基礎(chǔ)處理器能夠滿足對(duì)嵌入式系統(tǒng)的需求，而現(xiàn)在整個(gè)世界正在發(fā)生變化。我們所處的世界正向著全自動(dòng)化邁進(jìn)，以實(shí)現(xiàn)更高的生產(chǎn)率和安全性，智能工廠、工業(yè)機(jī)器人、數(shù)字孿生等概念，以及軟件定義環(huán)境，甚至“元宇宙”等來(lái)自科幻小說(shuō)的概念，都變得越來(lái)越受關(guān)注。元宇宙環(huán)境
關(guān)鍵字： 202109 神經(jīng)網(wǎng)絡(luò) 智能工廠