- 综合排序
- 最热优先
- 最新优先
- 来自专栏高性能服务器开发
手机计算器中输入：10%+10% = ？
这是一个历史遗留问题，属于语法糖，叫做百分计算器。 按人类语义的理解，你去买东西，100 元钱减去 10%，那就是 90 元。早期的计算器就可以直接这样写 100 - 10%。 再比如，一只股票股价 10 元，增长了 50%，可以直接写 10 + 50%。这么设计更深层次的原因可能与早期计算器的按键数量有限，以及单步运算的性质有关。具体有答主已经作了回答。 手机计算器保留了这种特性。 10% + 10% 就是 0.11。 至于部分国内计算器（如魅族）结果是 0.2，是因为国内手机厂商自己做了修改，符合中国人打几折的说法。 百分计算识别条件： exp1 [+-] exp2 % [+-] exp3 = exp1*（1 [+-] exp2 %）[+-] exp3 exp1 的值会被优先计算，比如 5 + 5 - 10% =9 如 exp2 与 exp3 之间为 [ * / ] ，则会将 exp2 % [* /] exp3 作为整体计算，比如 5 + 10% * 10 = 6 有关在 exp2% 前后加括号的问题，涉及代码处理
1.3K30发布于 2019-09-08 - 来自专栏IT技术圈
练习2-10 计算分段函数 (10分)
一、题目描述 本题目要求计算下列分段函数f(x)的值： ? 输入格式: 输入在一行中给出实数x。 输出格式: 在一行中按“f(x) = result”的格式输出，其中x与result都保留一位小数。 输入样例1: 10 输出样例1: f(10.0) = 0.1 输入样例2: 0 输出样例2: f(0.0) = 0.0 二、思路分析 本题主要考察条件判断，条件判断结构的一般形式如下图所示： ? %.1lf\n",x,1/x); return 0; } 四、关于作者 作者： C you again，从事软件开发 努力在IT搬砖路上的技术小白 公众号： 【C you again】，分享计算机类毕业设计源码
1.5K30发布于 2021-02-24 - 来自专栏量子位
英伟达为全自动驾驶汽车打造AI计算机，计算力达上代10倍
公布了这款用于控制全自动驾驶汽车的AI计算机之后，英伟达股价又创下了新高。 英伟达把今天发布的DRIVE PX Pegasus称为“World’s First AI Computer to Make Robotaxis a Reality”，全球首款让自动出租车成为现实的人工智能计算机 代号为Pegasus的新系统，基于此前的英伟达DRIVE PX人工智能计算平台开发，计算能力超过每秒320万亿次，是上一代DRIVE PX 2的10倍多。 由于自动驾驶汽车对计算能力的要求很高，这就带来了一个问题：现在，这些车的车体，看起来都像个小型数据中心，车上放着装了GPU的计算机，来运行深度学习算法。 Pegasus根据行业最高安全标准ASIL D认证来设计，其中包括CAN（控制器区域网络）、Flexray、16个专用高速传感器输入通道（分配给摄像头、雷达、激光雷达和超声波传感器），以及多个10Gbit
804100发布于 2018-03-26 - 来自专栏开发经验
云计算未来展望：边缘计算、量子计算与AI
文章目录 边缘计算：数据处理的新时代 应用领域 挑战与机遇 量子计算：超越传统计算的新范式 量子比特 应用前景 挑战与机遇 人工智能：云计算的动力 云中的AI 应用领域 挑战与机遇 结语 欢迎来到云计算技术应用专栏 ~云计算未来展望：边缘计算、量子计算与AI ☆* o(≧▽≦)o *☆嗨~我是IT·陈寒 ✨博客主页：IT·陈寒的博客 该系列文章专栏：云计算技术应用 其他专栏：Java学习路线 Java面试技巧 人工智能：云计算的动力 人工智能（AI）一直是云计算的重要驱动力，它将继续引领云计算的未来。AI技术已经在图像识别、自然语言处理、语音识别和推荐系统等领域取得了巨大成功。 云中的AI 云计算提供了强大的计算能力和大规模数据存储，这对于训练和部署AI模型至关重要。云提供商如亚马逊、微软和谷歌都提供了AI服务，开发者可以轻松地在云上构建和部署AI应用程序。 此外，AI模型的训练和部署也需要大量的计算资源，这为云提供商提供了商机。 云计算将继续推动AI的发展，而AI也将进一步推动云计算的创新。这两者之间的相互作用将塑造未来技术的面貌。
2K10编辑于 2023-12-13 - 来自专栏深度学习与python
Arm 发布全新 Armv9 边缘 AI 计算平台，可运行超 10 亿参数端侧 AI 模型
据介绍，该平台以全新的 Arm Cortex-A320 CPU 和边缘 AI 加速器 Arm Ethos-U85 NPU 为核心，可支持运行超 10 亿参数的端侧 AI 模型。 与上一代 Cortex-A35 相比，Cortex-A320 在机器学习（ML）计算能力上提升了 10 倍，标量计算性能提高了 30%。同时其能效比较 Cortex-A520 提升了 50%。 与去年发布的基于 Cortex-M85 搭配 Ethos-U85 的平台相比，全新 Armv9 边缘 AI 计算平台的 ML 计算性能提升了 8 倍，带来了显著的 AI 计算能力突破, 助力大模型与生成式 在 AI 计算能力方面，增强的 Neon 和可伸缩向量扩展 (SVE2) 技术，可提供更高效的 ML 计算能力 ; 支持 BFloat16 等新数据类型，提高了 AI 计算的精度和能效 ; 而新增的矩阵乘法指令 AI 大模型，进一步释放 AI 计算性能。
70010编辑于 2025-03-13 - 来自专栏ADAS性能优化
AI weekly (10-26)
can stop a facial recognition network from identifying people in videos. https://venturebeat.com/2019/10 software tools for artificial intelligence deep learning applications. https://venturebeat.com/2019/10 verification solutions, has raised $10 million in seed funding. https://venturebeat.com/2019/10/24/incode-raises-10-million-to-verify-identities-with-ai Twitter now With the advent of AI, data access and accuracy are being improved even more How AI is transforming
36320编辑于 2022-05-13 - 来自专栏云计算D1net
云计算的10大好处
云计算具有很多好处，而对于企业来说，主要关注的是云计算所带来的10个好处： (1)云计算运营问题较少 云计算可能看起来很复杂，但与其他基础设施相比，它的问题实际上少了很多。 云计算服务提供商通常可以让企业无缝扩展和缩减云计算资源。当企业根据需求来购买更多的计算资源时，就可以节省成本。 (4)云计算增加了团队之间的协作 据云计算安全联盟称，79%的公司收到用户的定期请求，购买更多云计算应用程序、文件共享和协作，而这些是最受欢迎的云计算服务之一。 (8)云计算具有更好的安全性 云计算与本地部署的服务器相比具有更高的安全性。而如果遭遇自然灾害或全面计算机崩溃，采用云计算的企业无需担心丢失关键数据和业务应用程序。 (10)云计算很容易实现 企业开始使用云计算时，看起来会很复杂，但这与其在本地数据中心安装全新的服务器没有什么不同。很多第三方公司可以帮助企业无缝迁移。 结论 云计算的优势远大于弊端。
8.4K00发布于 2018-07-31 - 来自专栏PowerBI战友联盟
PowerBI 致敬 Tableau 10大表计算
参考文章《10大Tableau表计算》：https://www.tableau.com/zh-cn/about/blog/2017/2/top-10-tableau-table-calculations -65417 推荐实践方式： 打开 10大Tableau表计算 文章，对照每个案例，理解业务需求。 总结 通过对比用 Tableau 和 PowerBI 实现同样的 10 种非默认效果的计算，可以对两种软件在某方面的设计有了一个局部的认知，可以总结为： Tableau 具有高度精细的可视化引擎及完备的可视化组件系统 PowerBI 报表层没有独立的计算系统，表现在：PowerBI 没有提供基于模型的计算结果的轻量级二次计算能力，所有的计算全部依赖于模型级的 DAX 表达式进行。 更多的思考： 从本文的 10 个典型案例可以部分看出 Tableau 作为完成报表层计算和展示时有良好和完备的能力，这也许得益于其初期就明确的精准定位，尤其看到在 Tableau 6 时代就已经达到了完备的计算
4.9K20发布于 2019-09-23 - 来自专栏CloudBest
2020年云计算10大预测
云计算已经进入了一个成熟阶段，其特点是标准化和更强的跨平台兼容性。那么，云计算在未来一年里会有什么发展呢?尽管该行业的发展速度可能快得令人发狂，但宏观的趋势和过去发生的事件为未来的预测提供了依据。 Salesforce的Einstein AI平台，虽然在许多方面都是一个成熟的产品，但它的基础是RelateIQ、MetaMind、Implisit、PredictionIO和Tempo。 去年10月底，美国国防部宣布，微软击败了亚马逊，获得了五角大楼的100亿美元云计算合同。随后，亚马逊指责美国总统特朗普对亚马逊存在偏见，并对五角大楼进行了不当施压。 微软一直与它投资的公司Graphcore合作提供智能处理单元或IPU，以加速Azure上的AI工作负载。 微软一直在向其Azure部门招聘芯片设计师，以打造自己的专业人工智能处理器。 超级计算霸权之战 AWS在re：Invent 2019大会上专门发表了主题演讲，重点介绍了AWS如何在云中提供真正的超级计算功能。谷歌、微软和阿里巴巴也正在向高性能计算从业者推广他们的按需基础架构。
2.1K10发布于 2020-02-24 - 来自专栏SDNLAB
2020年云计算10大预测
Salesforce的Einstein AI平台，虽然在许多方面都是一个成熟的产品，但它的基础是RelateIQ、MetaMind、Implisit、PredictionIO和Tempo。 去年10月底，美国国防部宣布，微软击败了亚马逊，获得了五角大楼的100亿美元云计算合同。随后，亚马逊指责美国总统特朗普对亚马逊存在偏见，并对五角大楼进行了不当施压。 微软一直与它投资的公司Graphcore合作提供智能处理单元或IPU，以加速Azure上的AI工作负载。 微软一直在向其Azure部门招聘芯片设计师，以打造自己的专业人工智能处理器。 超级计算霸权之战 AWS在re：Invent 2019大会上专门发表了主题演讲，重点介绍了AWS如何在云中提供真正的超级计算功能。谷歌、微软和阿里巴巴也正在向高性能计算从业者推广他们的按需基础架构。 原文链接： https://www.crn.com/slide-shows/cloud/10-cloud-predictions-for-2020/11 【投稿】 欢迎SDN、NFV、边缘计算、SD-WAN
2.2K20发布于 2020-02-21 - 来自专栏新智元
量子计算中国突破！中科大李传峰团队结合AI与量子计算，助力研发快10亿倍超级计算机
还通过AI极大地提高了处理速度，最终可能为研发比目前快10亿倍、1万亿倍的超级计算机铺平道路。来 新智元AI朋友圈 和AI大咖们一起讨论吧。 人工智能将极大提高处理速度，彻底改变量子研究，并最终可能为研发比现有技术快10亿倍、甚至1万亿倍的超级计算机铺平道路。 李传峰教授说，“AI能告诉我们矿石是否包含金、铁或铜，因此我们可以利用它们来达到不同的目的，这在以前这是不可能做到的。” 这不是研究的终点，也不意味着AI能比人脑对量子物理学的掌握要好 一些研究人员说，人工智能和量子计算的结合可能最终导致机器的智能等于或大于人类。 “我们标注数据、训练机器、进行纠错，AI是在人类的指导下完成计算的。”他说，“它并不比我们聪明。”
1.2K30发布于 2019-11-27 - 来自专栏AI系统
【AI系统】微分计算模式
上一篇文章简单了解计算机中常用几种微分方式。本文将深入介绍 AI 框架离不开的核心功能：自动微分。 节点，v_1=lnv_{−1}=lnx_1=ln2 ； 计算 v_2 节点，节点 v_2 依赖于 v_{-1} 和 v_0 ，v_2=10 ； 计算 v_3 节点，v _3=sinv_0=sin5 ； 计算 v_4 节点，v_4=v_1+v_2=0.693+10 计算 v_5 节点，v_5=v_1+v_2=10.693+0.959 ； 最终 反向模式的缺点： 需要额外的数据结构记录正向过程的计算操作，用于反向使用； 带来了大量内存占用，为了减少内存操作，需要 AI 框架进行各种优化，也带来了额外限制和副作用。 因此，目前大部分 AI 框架都会优先采用反向模式，但是也有例如 MindSpore 等 AI 框架同事支持正反向的实现模式。
42010编辑于 2024-12-13 - 来自专栏机器之心
10亿美元！MIT成立新计算学院，最大一笔AI学术投资
Schwarzman College of Computing，这是一项价值 10亿美元投资计划的核心。而该计划也是美国学术机构在计算和人工智能领域的最大投资。 麻省理工学院（MIT）今天宣布了一项新的 10 亿美元计划，以应对计算机的普及和人工智能的兴起所带来的全球机遇与挑战。 为了推进这些事项，该学院将： 开发连接计算机科学和其他学科的新课程； 举办论坛，并鼓励业界、政府、学界和新闻业的领军者积极参与，检验 AI 和机器学习进展的预期结果，并制定 AI 伦理方面的政策； 鼓励科学家 其拥有 10 位计算机领域最高荣誉——图灵奖的获奖者（迄今为止共有 67 名图灵奖获得者）。 MIT 最大的实验室是计算机科学和人工智能实验室。 MIT 整个机构专注计算与 AI 的决策显示了其前瞻性，也将驱动其学生、真个世界迈向更好的未来。」
63740发布于 2018-10-22 - 来自专栏量子位
AI计算量每年增长10倍，摩尔定律也顶不住 | OpenAI最新报告
晓查 发自 凹非寺 量子位 编译 | 公众号 QbitAI 今天OpenAI更新了AI计算量报告，分析了自2012年以来AI算法消耗算力的情况。 根据对实际数据的拟合，OpenAI得出结论：AI计算量每年增长10倍。从AlexNet到AlphaGo Zero，最先进AI模型对计算量的需求已经增长了30万倍。 ? 至于为何发布AI计算量报告？OpenAI说，是为了用计算量这种可以简单量化的指标来衡量AI的发展进程，另外两个因素算法创新和数据难以估计。 每年增长10倍 OpenAI根据这些年的实际数据进行拟合，发现最先进AI模型的计算量每3.4个月翻一番，也就是每年增长10倍，比摩尔定律2年增长一倍快得多。 ? 2014年至2016年：开始大规模使用10~100个GPU（每个5~10 TFLOPS）进行训练，总计算量为0.1-10 pfs-day。数据并行的边际效益递减，让更大的训练量受到限制。
1.7K20发布于 2019-11-11 - 来自专栏云计算D1net
10个需要澄清的边缘计算误区
边缘计算是云计算杀手吗?边缘计算与物联网是一回事吗?随着边缘计算对企业运营变得越来越重要，需要澄清一些常见的误解。 误解4：边缘计算是云计算杀手 云计算并不会随处可见，一些分析机构认为边缘计算将会吞噬或取代云计算。Mann表示，“这种观点是错误的，实际上，边缘计算和云计算是互补的技术。” 误解8：边缘计算只适合简单的分析 根据场景的不同，边缘计算有一些限制和约束。然而Mann说，“边缘计算是一个强大的分析环境，能够运行机器学习和人工智能(AI)。” 根据Gartner公司的调查，如今，只有不到10%的企业生成数据是在边缘计算创建和处理的，但到2025年这将增长到75%。 作为起点，IT领导者可以考虑边缘计算能够承受的海量数据、决策速度、网络效率。 误解10：边缘计算是万能的 Mann说，“边缘计算并不是一种魔术。
1K30发布于 2019-09-24 - 来自专栏备份笔记
【R语言】计算10亿以内for循环加速
虽然是CPU占用100%，8颗核心好像是偷着懒跑的，但是丢给我那台4核心8线程黑苹果，是跑满的，说明ARM在多线程的时候，有点东西下图是计算一个10亿内训练模型时的top：图片2 几个循环2.1 100 可以使用两个嵌套的for循环实现：A <- matrix(1:9, 3, 3)B <- matrix(10:18, 3, 3)C <- matrix(0, 3, 3)for (i in 1:nrow(A 17 19 21[3,] 23 25 27但是理解这类的目的，合并循环的思路在这里刚好就是矩阵一一对应的数字相加：A <- matrix(1:9, 3, 3)B <- matrix(10 cl <- makeCluster(detectCores())registerDoParallel(cl)# 使用foreach包和%dopar%运算符进行并行计算result <- foreach( ，一步一步计算。
87620编辑于 2023-05-06 - 来自专栏AI系统
【AI系统】计算与调度
计算与调度计算与调度的来源图像处理在当今物理世界中是十分基础且开销巨大的计算应用。图像处理算法在实践中需要高效的实现，尤其是在功耗受限的移动设备上。 于 AI 框架而言，所开发的算子是网络模型中涉及到的计算函数。 AI 编译器优化的目的在于通过对算子进行最佳调度，使得算子在特定硬件上的运行时间达到最优水平。这种优化涉及到对算子调度空间的全面搜索和分析，以确定最适合当前硬件架构的最佳调度方案。 Reorder(交换)、Split(拆分)、Fuse(融合)、Tile(平铺)、Vector(向量化)、展开(Unrolling)、并行(Parallelizing)等，以 Halide 思想为指导的 AI 计算节点：调度树的叶子，表示正在执行的计算。计算节点可以有其他计算节点作为子节点，以表示内联函数而不是从中间存储加载。
62010编辑于 2024-11-29 - 来自专栏AI系统
【AI系统】计算图原理
在前面的文章曾经提到过，目前主流的 AI 框架都选择使用计算图来抽象神经网络计算表达，通过通用的数据结构（张量）来理解、表达和执行神经网络模型，通过计算图可以把 AI 系统化的问题形象地表示出来。 最后简单地学习 PyTorch 如何表达计算图。AI 系统化问题遇到的挑战在真正的 AI 工程化过程中，我们会遇到诸多问题。 因此派生出了目前主流的 AI 框架都选择使用计算图来抽象神经网络计算。计算图的定义我们会经常遇到有些 AI 框架把统一的图描述称为数据流图，有些称为计算图，这里可以统称为计算图。 torch.tensor([[3.0,1.0]],requires_grad=True)b = torch.tensor([[3.0]],requires_grad=True)X = torch.randn(10,2 )Y = torch.randn(10,1)# Y_hat 定义后其正向传播被立即执行，与其后面的 loss 创建语句无关Y_hat = X@w.t() + bprint(Y_hat.data)loss
68910编辑于 2024-12-06 - 来自专栏AI系统
【AI系统】CPU 计算本质
\times 10^9 \times 4 = 10 \times 10^9 = 10 \text{ GFLOPS} Ⅱ. {单个 CPU 的算力 (FLOPS)} = 8 \times 2.5 \times 10^9 \times 16 = 320 \times 10^9 = 320 \text{ GFLOPS} 整个超级计算机的算力 ： \text{超级计算机的算力 (FLOPS)} = 10,000 \times 320 \times 10^9 = 3.2 \times 10^6 \times 10^9 = 3.2 \text{ 超算中心的性能趋势 这张图展示了超算中心性能随时间的变化趋势，纵轴表示浮点运算性能（GFLOPs），显示性能倍数（如 10^3 GF、10^6 GF、10^9 GF 和 10^13 GF），而横轴表示时间 图片 训练 AI 大模型的变化趋势 这张图展示了训练 AI 大模型所需时间随模型参数数量的变化趋势，纵轴表示训练时间，单位从“天”（Days）到“周”（Weeks）再到“月”（Months）；横轴表示模型参数的数量
91310编辑于 2024-12-04 - 来自专栏了不起的云计算
Gartner：2021年10大云计算趋势
“在2021年，我们将看到新的业务模型，这些业务模型将促进边缘的部署，云平台竞争的努力，以及AI和5G促进边缘用例的扩展，” Forrester说。 4.AI赋能让云更智慧 Gartner说：“如果没有AI，大多数组织将无法将真正的AI项目从概念验证和原型转移到全面生产。” 根据Gartner的说法，利用AI技术，将让云更智慧，从而帮助更多的企业实现数字化的转型。 因此，组织采用了引人注目的方式，可以用自动化方式描述各种云计算供应商或各种云计算策略。 10.越来越多的云管理和成本挑战 对于许多企业而言，将工作负载转移到云中可以极大地提高一些运营效率和协作，但事实证明，这样做的成本很高。
2.6K20发布于 2021-01-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号