- 综合排序
- 最热优先
- 最新优先
- 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。
1.9K10编辑于 2023-12-13 - 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。 前向梯度累积会指定从内到外的链式法则遍历路径，即先计算 dw_1/dx ，再计算 dw_2/dw_1 ，最后计算 dy/dw_2 。即，前向模式是在计算图前向传播的同时计算微分。 前向模式 Foward Mode 前向模式从计算图的起点开始，沿着计算图边的方向依次向前计算，最终到达计算图的终点。它根据自变量的值计算出计算图中每个节点的值以及其导数值，并保留中间结果。 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。
40310编辑于 2024-12-13 - 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。 本文将会以 AI 概念落地的时候，遇到的一些问题与挑战，因此引出了计算图的概念来对神经网络模型进行统一抽象。接着展开什么是计算，计算图的基本构成来深入了解诶计算图。 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。
67010编辑于 2024-12-06 - 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。
59710编辑于 2024-11-29 - 来自专栏AI系统
【AI系统】CPU 计算本质
CPU 算力 算力(Computational Power)，即计算能力，是计算机系统或设备执行数值计算和处理任务的核心能力。 操作与数据加载的平衡点 为了平衡计算和数据加载，每从内存中加载一个数据，需要执行 80 次计算操作。这种平衡点确保了计算单元和内存带宽都能得到充分利用，避免了计算资源的浪费或内存带宽的瓶颈。 超级计算机算力计算 假设有一个超级计算机，有 10000 个 CPU，每个 CPU 有 8 个核心，每个核心的时钟频率为 2.5 GHz，每个时钟周期可以执行 16 次浮点运算。 这一概念在计算机科学中至关重要，尤其在高性能计算领域。操作强度衡量的是计算与内存访问之间的关系。操作强度越高，意味着处理器在处理数据时进行更多计算操作，而不是频繁访问内存。 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
87110编辑于 2024-12-04 - 来自专栏信数据得永生
Python OpenCV 计算机视觉：6~7
Pygame 提供了更多功能，包括： 绘制 2D 几何 绘制文字 管理可绘制 AI 实体（精灵）的分组 捕获与窗口，键盘，鼠标和操纵杆/游戏手柄相关的各种输入事件 创建自定义事件 播放和合成声音和音乐 例如，Pygame 可能是使用计算机视觉的游戏的合适后端，而 HighGUI 则不是。 要学习如何识别母牛，计算机需要预先识别为母牛的正训练图像和预先识别为“非母牛”的负训练图像。 作为训练师，我们的第一步是收集这两套图像。 unzip_destination>\bin\Release 如果要将可执行文件的文件夹添加到系统的Path变量中，请参考第 1 章，“设置 OpenCV”的“在 Windows XP，Windows Vista，Windows 7
2K20编辑于 2023-04-27 - 来自专栏chimchim要努力变强啊
hive 计算连续7天登录的用户
用户每天可能不止登陆一次，将登录日期去重，取出当日登陆成功的日期，row_number()函数分组排序并计数 2.日期减去计数得到值 3.根据每个用户count(值)判断连续登陆天数 4.最后取连续登陆天数大于等于7天的用户 values(‘2020-08-21’,‘3’,1); insert into db_test.user_log_test values(‘2020-08-20’,‘3’,1); 操作步骤： 1.计算出用户登陆成功的日期 db_test.user_log_test where status=1 ) a where rn=1 ) b)c group by uid,date_rn 4.最后取连续登陆天数大于等于7天的用户 db_test.user_log_test where status=1 ) a where rn=1 ) b)c group by uid,date_rn having count(1)>=7 5.结果（只有用户3连续登陆超过7天） 或者用窗口分析函数更快查询出来 –所有用户信息 select * from ( select uid ,datestr, lead(datestr
2.1K10编辑于 2022-11-13 - 来自专栏gojam技术备忘录
计算机网络笔记（7）
发送窗口大于1，接收窗口等于1。出错时重传帧数多，适用于信道质量好，出错率少的情况。
79850发布于 2019-05-14 - 来自专栏数据仓库技术
留存专题-计算1~7日留存率
我们使用留存专题-基础数据生成数据，计算2024-01-01日~2024-01-07日新增用户的1日、2日、3日、4日、5日、6日、7日留存率 方法一 根据新增日期，关联对应日期的登陆数据，计算关联上的登陆用户数据 ，从而计算出留存率 select create_date, count(t_login_1.user_id) / count(t_create.user_id) as r1_rate, --+----------+----------+----------+----------+----------+ 方法二 根据新增用户信息，关联出所有的登录记录，然后判断出对的N日是否留存，然后计算出对应的留存率 ---+----------+----------+----------+----------+----------+----------+----------+ 方法三 根据新增用户信息，使用竖表计算出每天对应所有日期的留存率 ，然后行转列，展示出对应的1~7日留存率。
50010编辑于 2024-12-19 - 来自专栏云计算D1net
云计算成本的7个秘密
虽然医疗保险和房租账单可能会促使企业压缩预算，但由于价格十分低廉，企业将会采用更多的云计算服务。然而到了月底，云计算账单比用户预期多得多，并且可能会对云计算服务的费用迅速增长而感到惊讶。 因此，企业需要了解采用云计算服务的成本隐含的7个秘密。 云计算服务的每小时使用价格如今已低于1美分，还有什么比云计算价格表更诱人的吗?而用户享受的云计算服务价格还有可能会更低。 企业采用云计算服务的成本隐含着以下7个秘密： 1.隐藏的附加功能 有时候，令人惊讶的成本账单是由用户关注到的附加功能所产生的。 云计算提供商阿里巴巴集团显然希望鼓励开发人员在全球范围内使用其数据中心。在中国境外，低端实例的起价为每月2.50美元，而在中国香港，每月起价为7美元。 3.数据传输成本 用户需要仔细检查价目表。 7.云计算的无限扩展 最后，云计算面临的棘手问题是，其无限扩展的优良特性(云计算似乎具有无限扩展能力以满足任何需求)却是一个预算难题。每个用户的平均出口流量是10GB还是20GB?
1.3K30发布于 2020-06-24 - 来自专栏luozhiyun的技术学习
7.深入TiDB：range 范围计算优化
需要用到 Go 1.16以后的版本 我的博客地址：https://www.luozhiyun.com/archives/605 这篇文章首先会回顾一下整个 SQL 的执行过程，用来说明为什么要范围计算 范围计算源码分析 在上面中我也说到了 DetachCondAndBuildRangeForIndex 会根据 where 条件来生成扫描区间。 = types.UnspecifiedLength } // 计算逻辑区间 points := rb.build(item) // 将区间转化为外暴露的 range 结构 (*expression.ScalarFunction)) } return nil } buildFromScalarFunc 中包含了很多 buildFromXXX 方法，它们是计算一个具体函数的 对于条件 a in (1, 2, 3) and b > 1，两个条件均会被选到用来计算 range。
99320发布于 2021-11-16 - 来自专栏云计算D1net
7大云计算数据仓库
顶级云计算数据仓库展示了近年来云计算数据仓库市场发展的特性，因为很多企业更多地采用云计算，并减少了自己的物理数据中心足迹。 云计算数据仓库是一项收集、组织和经常存储供组织用于不同活动(包括数据分析和监视)数据的服务。 在企业使用云计算数据仓库时，物理硬件方面全部由云计算供应商负责。 关键价值/差异： •微软公司在2019年7月发布了Azure SQL数据仓库的主要更新，其中包括Gen2更新，提供了更多的SQL Server功能和高级安全选项。 •对于现有的SAP用户，与其他SAP应用程序的集成意味着可以更轻松地访问本地以及云计算数据集。 (7)Snowflake 对潜在买家的价值主张。 7个顶级云计算数据仓库对比图表 ? （来源：企业网D1Net）
7.5K30发布于 2019-09-26 - 来自专栏mysql-dba
mysql复制系列7-复制延迟计算
我们在主从复制中最常遇到我的问题就是复制延迟的问题，那究竟复制延迟是怎么计算的呢？ Seconds_Behind_Master计算公式： clock_of_slave - last_timestamp_executed_by_SQL_thread - clock_diff_with_master 该公式含义为 "从库的当前系统（主机）时间 - 从库 SQL 线程正在执行的event的时间戳 - 主从库的系统（主机）之间的时间差"主从服务之间时间差只在io_thread启动时计算一次，以后复用这个值 ，所以io_thread线程启动后主从服务时间逐渐不一致，会导致看到主从时间延迟不准确的情况 Seconds_Behind_Master 计算复制延迟需要注意的地方： 1.当复制线程启动后，修改操作系统时间会导致计算出得复制延迟时间不准 ，特别是在级联复制的环境下计算复制延迟 可以通过相关的表字段计算出复制延迟如replication_applier_status_by_coordinator，replication_applier_status_by_work
1.2K11发布于 2021-05-18 - 来自专栏云社区活动
量子计算 + AI：科幻照进现实？
量子计算 + AI：科幻照进现实？说到量子计算，很多人第一反应可能是：“这玩意儿离我们还远着呢吧？” 确实，量子计算现在还处于早期发展阶段，但如果你是个AI开发者，或者对计算加速有需求，那你真的应该关注它。量子计算可能成为未来AI训练和推理的“加速器”，帮助我们在海量数据中找到最优解。 今天，我就来带大家初探量子计算如何加速AI算法，不仅讲理论，还动手写点代码，让大家感受一下量子的魅力！为什么AI需要更快的计算能力？在AI领域，尤其是深度学习模型，训练时间是一个大问题。 量子计算利用量子纠缠和叠加，可以在一次计算中同时处理多个状态的数据。这就意味着，量子计算可能在某些AI任务上实现指数级加速！量子计算如何加速AI？1. 实战演示：用量子计算优化AI训练我们来用量子计算模拟一个简单的AI优化任务，看看它能否比传统方法更快收敛。
73510编辑于 2025-03-22 - 来自专栏鲜枣课堂
AI计算，为什么要用GPU？
CPU vs GPU █ GPU与AI计算 大家都知道，现在的AI计算，都在抢购GPU。英伟达也因此赚得盆满钵满。为什么会这样呢？ 原因很简单，因为AI计算和图形计算一样，也包含了大量的高强度并行计算任务。 深度学习是目前最主流的人工智能算法。从过程来看，包括训练（training）和推理（inference）两个环节。 GPU凭借自身强悍的并行计算能力以及内存带宽，可以很好地应对训练和推理任务，已经成为业界在深度学习领域的首选解决方案。 目前，大部分企业的AI训练，采用的是英伟达的GPU集群。 目前，他们市值高达1.22万亿美元（英特尔的近6倍），是名副其实的“AI无冕之王”。 那么，AI时代的计算，是不是GPU一家通吃呢？我们经常听说的FPGA和ASIC，好像也是不错的计算芯片。 7、《AIGC算力全景与趋势报告》，量子位； 8、百度百科、维基百科。
3.3K11编辑于 2024-01-03 - 来自专栏AI系统
【AI系统】CPU 计算时延
CPU（中央处理器）是计算机的核心组件，其性能对计算机系统的整体性能有着重要影响。CPU 计算时延是指从指令发出到完成整个指令操作所需的时间。 理解 CPU 的计算时延对于优化计算性能和设计高效的计算系统至关重要。在本文中我们将要探讨 CPU 的计算时延组成和影响时延产生的因素，并深入讨论 CPU 计算的时延产生。 CPU 计算时延 下面将介绍 CPU 计算延时的组成和影响计算时延的相关因素。 这些传播延迟就是 CPU 的时钟周期，也是 CPU 计算的时延。 计算速度因素 计算速度由多个因素决定，包括内存时延、缓存命中率、计算操作效率和数据写回速度。 直到数据加载完成，CPU 无法进行后续的计算操作。 计算过程的阻滞 高内存时延显著延缓了整个计算过程的启动。
71510编辑于 2024-12-04 - 来自专栏AI系统
【AI系统】计算图基本介绍
在 AI 框架发展的最近一个阶段，技术上主要以计算图来描述神经网络。 这两种选择，随着神经网络算法研究和应用的更进一步发展，使得 AI 框架在技术实现方案的巨大差异。 复杂的模型结构需要 AI 框架能够对模型算子的执行依赖关系、梯度计算以及训练参数进行快速高效的分析，便于优化模型结构、制定调度执行策略以及实现自动化梯度计算，从而提高 AI 框架训练的效率。 综上所述，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。 在基于计算图的 AI 框架中，这五个阶段统一表示为由基本算子构成的计算图，算子是数据流图中的一个节点，由后端进行高效实现。
24210编辑于 2024-12-06 - 来自专栏AI系统
【AI系统】计算图优化架构
计算图优化是一种重要的技术，主要目标是提高计算效率和减少内存占用，通常由 AI 框架的编译器自动完成，通过优化，可以降低模型的运行成本，加快运行速度，提高模型的运行效率，尤其在资源有限的设备上，优化能显著提高模型的运行效率和性能 计算图优化现在来到了核心内容，离线优化模块的计算图优化。早在本文之前，AI 编译器的前端优化已经讲述了很多计算图优化相关的内容。 但这些是基于 AI 框架实现的且通常出现于训练场景中，主要原因在于在在线训练的过程中。实验时间的要求相对宽松，所以可以引入较多的 GIT 编译或者是其他编译。 而在推理引擎计算图的优化中，更多的是采用预先写好的模板，而不是通过 AI 编译去实现的。 Layout & Memory: 布局转换优化，主要是不同 AI 框架，在不同的硬件后端训练又在不同的硬件后端执行，数据的存储和排布格式不同。
61610编辑于 2024-12-06 - 来自专栏未竟东方白
【笔记】《计算机图形学》(7)——观察
和我们人眼观察世界时有视野大小和可视距离一样，在计算机空间中观察物体是有范围限制的，这个范围称为视体，只有在这个视体内的物体才可能被渲染到屏幕画面中来。 计算机中的相机不会发生散焦等情况，因此在正交投影下调整焦距的效果类似于相机在移动 那么最后如何将正交视体变换为规范视体呢，很显然这也是一个缩放和移动仿射矩阵的情况，只是这一次我们无需忽略Z轴的值了，三轴都要进行移动和变换 动手计算一下就能知道这样的处理后，如果我们将得到的向量做透视除法齐次化，得到的ys就是d/z*y也就是例图中的样子，这个矩阵利用了携带的z值与焦距d协同完成了缩放操作 ?
2.7K20发布于 2020-08-10 - 来自专栏BestSDK
2018，云计算的7个发展趋势
美国中央情报局遭遇Vault 7黑客攻击，WannaCry勒索软件爆发，以及Equifax公司数据泄露等网络攻击都是IT行业日后将面临的威胁的例子。新技术带来的威胁也在不断变化。 一般来说，计算云成本是一个简单的过程。但是多云部署并不总是如此。计算多云环境中的总体的云成本是困难的，因为云计算提供商具有不同的定价计划。 由于无服务器计算的功能与传统的计算服务器网络不同，它需要一个更专业化的技能组合。这个关于无服务器架构的指南涵盖了IT团队准备好应对未来计算的所有方面。 无服务器计算目前在公共云中可用。人们在2018年将看到无服务器计算也开始出现在私有云部署中。 为了有效地使用无服务器计算，服务器和硬件供应商需要转变他们的业务模式，以便在新的虚拟、弹性和自动化云环境中保持相关性。 7. 云计算作为物联网的促进者 近几年来，各行业经历了迅速的转型。
2.1K30发布于 2018-03-02
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