- 综合排序
- 最热优先
- 最新优先
- 来自专栏快乐学AI系列
快乐学AI系列——计算机视觉（4）图像分割
本系列是由“MATRIX.矩阵之芯”精炼的AI快速入门系列，特色是内容简洁，学习快速。 相关要求：学员需要掌握Python编程基础，另外还需要有一定的线性代数、概率论基础。 Canny算法的基本思路是首先对图像进行高斯滤波，以平滑噪声，然后计算图像的梯度，以找到图像中的边缘。最后，通过非极大值抑制和双阈值处理来提取真正的边缘。 它的主要思想是将图像看成一个地形图，通过计算梯度来确定图像中的高地和低地，然后将高地和低地通过水流分割成不同的区域。 分水岭算法基于图像形态学的基本概念，如腐蚀、膨胀、开运算和闭运算等。 最小割算法的基本思想是将网络分成两部分，称之为割，然后计算割的代价，即割的总权重。这个代价的最小值就是最小割。 然后，根据像素之间的相似度计算每条边的权重，构建一个带权无向图。 计算最小割：利用最小割算法，在图中找到一个割，使得割的代价最小。这个割将图分成两部分，一部分被割掉，另一部分保留。
1.1K00编辑于 2023-04-03 - 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 - 来自专栏技术杂记
QT(二).计算器（4）
name: 'pb3') Object::connect: (receiver name: 'Calc') Object::connect: No such slot QDialog::append4( ) Object::connect: (sender name: 'pb4') Object::connect: (receiver name: 'Calc') Object::connect:
76940发布于 2021-09-14 - 来自专栏新智元
「奇点」AI计算平台细节曝光！竟是微软4年前老项目重生
2018 年，微软公开了其旨在 Azure 中提供快速 AI 处理和计算能力的「Brainwave」项目。 AI计算平台，大厂争相布局 值得注意的是，在人工智能高性能计算和加速计算平台的构建上，微软早就开始布局了。 虽然微软与OpenAI合作建造的AI超级计算机专门用于OpenAI，但微软一直表示，他们计划通过Azure AI服务和GitHub，想更多的用户提供大型AI模型和训练优化工具。 微软还在其「Azure AI」旗下向不需要专用超级计算机的客户提供各种加速计算服务。 2021年11月，微软宣布将在Azure中使用 80GB NVIDIA A100 GPU，以扩大其AI超级计算机阵容。 而且，微软并不是唯一一家试图在内部和客户中提供人工智能超级计算功能的科技公司。
57220编辑于 2022-03-04 - 来自专栏云计算D1net
同时采用边缘计算和云计算的4个好处
事实证明，企业采用结合边缘计算和云计算优势的混合策略可以获得竞争优势。本文介绍了混合计算策略可以为企业带来竞争优势的四种方面。 经过多年的发展和进步，计算策略如今发生了显著的变化。 现在有一种新的选择，可能会在未来几年再次改变计算策略。许多企业发现，将边缘计算和云计算相结合的混合策略可以两全其美。以下简要概述混合计算策略可以为企业带来竞争优势的四个方面。 1 更好的性能 具有边缘计算能力的混合环境使计算资源更接近用户、物联网设备等所需的地方，从而可以显著提高性能。 如果企业与提供服务的托管服务公司或云计算提供商合作，可以让企业的技术团队专注于其他任务。 4 对分布式工作人员的卓越支持 在新冠疫情发生之后，事实表明许多工作可以在任何地方卓有成效地完成。 边缘计算策略可以提高本地工作人员的工作效率，结合云计算的混合方法可以更好地支持远程工作的员工。 边缘计算和云计算各有其独特的优势，对于企业来说，理想的解决方案将取决于所在的行业和企业相关的因素。
90530编辑于 2022-12-08 - 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。 _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 {v_3}}=-1 ； 计算 y 对v_1 的导数值，\overline{v}_1=\overline{v}_4\frac{\delta{v_4}}{\delta{v_1}}=1 ； 计算 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AI系统
【AI系统】计算与调度
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 4);这个代码转换为 C++ 就是：for (int y = 0; y < 4; y++) { for (int x = 0; x < 4; x++) { printf("Evaluating 在这一步首先对 x 轴和 y 轴进行循环分块，分块因子为 4，然后将外侧的 y 和外侧的 x 轴循环进行融合(2+2=4)，再将这个融合后的操作进行并行操作。
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。 x_mat = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]图中对标量、向量、矩阵进行形象化表示：张量张量（tensor）理论是数学的一个分支学科，在力学中有重要应用。 例如针对形状为 (3, 2, 4, 5) 的四维张量进行表示，其内存表示如图中右侧所示。高维数组为开发者提供了一种逻辑上易于理解的方式来组织有着规则形状的同质数据，极大地提高了编程的可理解性。
68910编辑于 2024-12-06 - 来自专栏Soul Joy Hub
《deep learning》学习笔记（4）——数值计算
然而实数的精度是无限的，而计算机能够表达的精度是有限的，这就涉及到许多数值计算方法的问题。 4.1 上溢和下溢 由于计算机表达实数的精度的有限，在某些情况下许多复杂的复合运算中的四舍五入会导致一个接近0的小数变为0或者一个非常大的数被认为是无穷，这都会导致很严重的后果。 4.2 病态条件 病态条件：条件数指的是函数相对于输入的微小变化而变化的快慢程度，输入被轻微扰动而迅速改变的函数对于科学计算来说可能会出现问题。
81050发布于 2018-04-18 - 来自专栏量子化学
用Psi4计算RESP电荷
Psi4量子化学计算包提供了RESP计算模块，让我们能从头到尾用一个软件完成整个的RESP电荷计算。这个计算模块提供用户定义约束等价原子电荷的功能以及对多个构象进行加权处理。 如果用户有Psi4使用经验或者会Python，很容易就能进行计算。没有相关经验或者只会Python的简单使用，可以用我的计算模板，稍微修改就能快速计算。 2. 2.3 运行与结果得出 计算的整体脚本如下，脚本修改自Psi4的测试文件。 计算结果误差小于10−4 。 3. 更多计算模板 用户的计算是非常简单的，只需要将自己的体系套入到模板中，运行即可快速得到结果。 使用Psi4计算RESP不要忘记引用RESP模块以及Psi4本体程序。 4.
1.5K30发布于 2021-09-07 - 来自专栏用户10155340的专栏
Day4 计算糖果、进制转换
斐波那契数列 相关知识：f(n) = f(n - 1) + f(n - 2) （n > 0，f(1) = 1，f(2) = 2），递归求某个斐波那契数值，累计创建了多少层栈帧，具体可以看下图 最终计算得出 67 在涉及递归相关的问题时，可以尝试画出递归展开图，并且涉及重复的递归部分不必画出来，比如本题中的右半部分，可以复用左半部分回归的结果 结果：B ---- 编程题 1.计算糖果 题目链接：计算糖果 题目分析：纯数学逻辑题了，可以根据条件可知：x1 = A - B、x2 = B - C、x3 = A+ B、x4 = B+ C，稍微运用一点等价计算，可以得出：A = x1 + B，B = (x3 //B = (x3 - x1) / 2 //C = x4 - B int main() { int x1, x2, x3, x4; cin >> x1 >> x2 >> x3 >> x4; int A, B, C; B = (x3 - x1) / 2; A = x1 + B; C = x4 - B; //需要进行合法性检测 if(x1
22620编辑于 2023-07-01 AI与科学的双向革命：AI4Science与Science4AI如何重塑未来？
这不仅是对传统科研体系的颠覆，更宣告 AI与科学融合进入"双向赋能"新阶段 ：AI4Science（人工智能加速科学发现）与Science4AI（科学理论反哺AI创新）形成螺旋上升的结构性协同，重塑人类认知世界的方式 https://agents4science.stanford.edu/ 一、AI4Science：当人工智能成为科学发现的"超级引擎" 生物医疗领域：从"十年磨一药"到"数月出成果" 2025年5月， 数学的支撑：从线性代数到优化理论 数学为AI提供了关键的"思维工具"： 线性代数 ：支撑神经网络中的矩阵计算和向量运算 概率统计 ：贝叶斯方法、最大似然估计成为机器学习的核心算法 优化理论 ：凸优化和非凸优化理论为模型训练提供高效框架 范式**变革：AI从"执行者"变为"建议者"，与科学家形成平等协作关系 独立作者阶段 ： 全流程自主研究、多模态知识整合，如斯坦福Agents4Scie nce会议尝试AI作为论文作者 2. 未来平衡点：人类需主导 科学问题定义 与 伦理框架构建 ，AI负责 大规模计算 与 模式发现 ，形成"人类洞察+机器智能"的共生体系。
1.8K10编辑于 2025-08-27- 来自专栏新智元
谷歌砸了4亿刀的Anthrophic：AI模型训练计算量5年增加1000倍！
---- 新智元报道 编辑：Britta 【新智元导读】Anthropic对于人工智能发展的安全性研究以及推论表明，人工智能系统的计算量将呈指数型增长，预计未来5年训练AI模型的计算量将增加1000 一方面，语言模型是大型的、复杂的计算机程序（ 「叠加」的现象会使事情变得更难）。另一方面，有迹象表明，这种方法比人们最初想象得更容易解决。 除了CAI，还有人类辅助监督、AI-AI辩论、多Agent RL的红队，以及创建模型生成的评估等多种可扩展的监督方法。通过这些方法，模型可以更好地理解人类的价值观，行为也会更符合人类价值观。 计算能力的指数级增长和人工智能能力的可预测改进表明，未来的技术要比如今的先进得多。 参考资料： https://www.anthropic.com/index/core-views-on-ai-safety
44520编辑于 2023-03-29 - 来自专栏AI系统
【AI系统】CPU 计算本质
单核 CPU 算力计算 假设有一个单核 CPU，其时钟频率为 2.5 GHz，每个时钟周期可以执行 4 次浮点运算。 核心数：1 时钟频率：2.5 GHz = 2.5 × 10^9 Hz 每个时钟周期的浮点运算次数：4 FLOP/cycle 算力计算： \text{算力 (FLOPS)} = 1 \times 2.5 \times 10^9 \times 4 = 10 \times 10^9 = 10 \text{ GFLOPS} Ⅱ. 核心数：4 时钟频率：3.0 GHz = 3.0 × 10^9 Hz 每个时钟周期的浮点运算次数：8 FLOP/cycle 算力计算： \text{算力 (FLOPS)} = 4 \times 3.0 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 - 来自专栏嵌入式iot
BeagleBone AI VS Raspberry 4评测
BeagleBone AI VS Raspberry 4评测 1.本文概述 2.主控与外设 2.1 主控 2.2 外设 3.上手把玩与定位 3.1树莓派上手流程 3.2 狗板AI上手方法1 3.3 狗板 AI上手方法2 3.4 狗板AI上手方法3 4.对比总结 1.本文概述 最近一直在研究树莓派4和BeagleBone AI。 如果是个深度的玩家，那么两者的玩法和定位其实不太一样，树莓派4更像一个电脑PC，而狗板更倾向于去做PC与MCU之间可以做的的事情，而狗板AI则具有TI的C66x数字信号处理器（DSP）内核。 BeagleBone AI的图示如下所示： ? 树莓派4的实物图如下： ? 两者的外形设计都比较精致，便携性和可玩性都很高。 2.2 外设 树莓派4和狗板AI的外设对比如下： 配置 树莓派4 狗板AI WIFI+蓝牙 802.11ac(2.4/5GHz)蓝牙5.0 802.11ac(2.4/5GHz)蓝牙5.0 USB USB2.0x2
2.3K10发布于 2020-11-17 - 来自专栏cloudskyme
跟我一起云计算（4）——lucene
parser.parse("太阳"); IndexSearcher searcher=new IndexSearcher(indexpath); Hits hit=searcher.search(q); 4、 parser.parse("太阳 月亮"); IndexSearcher searcher=new IndexSearcher(indexpath); Hits hit=searcher.search(q); 4、 设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。支持通过HTTP使用JSON进行数据索引。 4、Katta Katta是一个可扩展的、故障容错的、分布式实施访问的数据存储。 Katta可用于大量、重复、索引的碎片，以满足高负荷和巨大的数据集。这些索引可以是不同的类型。
89560发布于 2018-03-20 - 来自专栏云计算D1net
边缘计算部署成功的4个因素
当云计算技术最初出现时，一种很流行的观点是它将包含所有计算。一种常见的类比是将其比作电网，可以在很大程度上取代本地的分布式发电设施。 但是，公有云不能总是替代内部部署硬件有着很多原因。 特别是在采用边缘计算的情况下，希望将计算推向更靠近数据收集和使用的地方。 随着机器学习越来越多地用于在时间紧迫的情况下将内部部署操作实现自动化，这一点变得很重要。 然而，实现边缘计算架构并不总是那么简单。当企业将业务推向网络边缘时，需要考虑以下四个因素。 01 需要考虑自动化 自动化和管理很重要，边缘计算设备的数量庞大以及可能没有本地IT人员(甚至现场没有固定员工)的事实意味着他们需要采用自动化和管理。 04 提供帮助 如今有许多关于边缘计算的信息来源。但是想了解一些开源工作，这些工作记录了基于企业已经实施的模式的完整边缘架构。
50030编辑于 2022-12-08 - 来自专栏龙进的专栏
计算机科学概论复习笔记（4）
也就是，对与门的输出求逆，等价于先对每个信号求逆，再把他们传入或门 加法器 加法器：对二进制值进行加法运算的电路 半加器：计算两个数位的和并生成正确进位的电路 半加器 和：A⊕B 进位：AB 但是，以上半加器并不会把进位输入考虑在计算之内 因此，半加器只能计算两个数位的和，不能计算多个二进制值的和。 全加器：计算两个数位的和，并考虑进位输入的电路。 可以用两个半加器构建一个全加器。把从半加器得到的和与进位输入相加。
91430编辑于 2022-10-31 - 来自专栏雪地二货笔记库
vue学习笔记4-计算属性-computed
computed属性的使用方法和method属性的使用方法完全大致相同，只能用于计算上 之前反转写法： 原始：{{messages}} 转换：{{messages.split('').reverse
36610发布于 2018-09-18 - 来自专栏python3
Python 练习——计算1-2+3-4
.+99，如上，很简单； 其实，计算正负相间的式子也很简单，只需要加上一个标记正负号的变量乘到计数器上即可。 s -= count is_add = True # 执行减法后，下一次是加法 count += 1 print(s) 这样，得到的就是1-2+3-4.
1.6K20发布于 2020-01-22
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