ZOMI酱_个人页

2024年10月

• 10.11 18:42:31
  发表了文章 2024-10-11 18:42:31

  【AI系统】AI 框架与编译器的作用

  AI框架如PyTorch和TensorFlow提供丰富的API，简化神经网络模型的实现与训练，抽象硬件操作并自动管理内存。AI编译器将高级语言编写的模型转换为硬件可执行代码，通过多层次优化提升性能。这使得算法工程师可以专注于模型设计与创新，而无需关注底层计算细节。AI框架和编译器不仅提高开发效率，还能充分利用硬件资源，是推动AI系统性能提升的关键技术。访问昇腾社区官网或下载APP，获取更多AI学习资源和参与各类活动。
• 10.11 18:22:40
  发表了文章 2024-10-11 18:22:40

  【AI系统】AI 系统与程序代码关系

  在人工智能领域，系统与程序代码间的关系错综复杂。AI系统的设计需高效代码支撑，而代码优化与执行又受制于系统设计。本文剖析二者间的互动及其对AI进步的关键作用，涵盖AI训练流程、经典模型LeNet5实现、底层算子与系统问题，并探讨如何通过高效代码与系统优化推动AI技术革新，提升模型性能。欢迎访问昇腾社区获取更多AI学习资源与实践机会。
• 10.11 18:16:36
  发表了文章 2024-10-11 18:16:36

  【AI系统】AI系统的生态

  在快速发展的AI领域，系统生态变得愈加复杂多元，涵盖核心软硬件、算法、框架及广泛的应用领域。本文深入剖析AI生态构成及其对技术进步的重要性，强调健康生态对促进技术创新、提升开发效率及加速商业化的作用。从核心硬件到算法框架，再到安全与隐私保护，全方位解读AI生态的构建与未来发展。
• 10.11 17:58:28
  发表了文章 2024-10-11 17:58:28

  【AI系统】AI系统的组成

  本文详细解析了AI系统的多层次架构，涵盖应用与开发层、AI框架层、编译与运行时及硬件体系结构等，阐述各部分如何协同支撑AI应用的开发与运行，提升整体性能与效率，并随著AI技术进步持续演进。从编程语言到AI芯片设计，每一层都对系统的最终表现起着至关重要的作用。
• 10.10 18:54:23
  发表了文章 2024-10-10 18:54:23

  【AI系统】AI系统的设计目标与挑战

  本文探讨了AI系统设计的核心目标及其面临的挑战。AI系统作为硬件与应用间的桥梁，需提升开发效率、优化用户体验，并支持数据处理、模型训练等全生命周期环节。此外，还需在系统级上灵活支持多样化AI任务，应对新技术带来的挑战，如动态图支持、大规模部署及安全需求。未来，AI系统设计将更注重高效、灵活与安全。
• 10.10 16:03:10
  发表了文章 2024-10-10 16:03:10

  AI 系统的出现与算力发展

  AI系统的崛起得益于大数据积累、强大算力与先进算法的共同驱动。大数据为AI提供了丰富学习材料，促进算法优化与应用创新；算法进步则提升了图像识别和自然语言处理等领域的性能，扩展了AI的应用范围。此外，GPU、TPU等专用芯片大幅加快了模型训练速度，通过硬件创新进一步增强了AI系统的效能。未来，算法与硬件的协同优化将推动AI技术迈向更高智能水平。
• 10.10 15:52:07
  发表了文章 2024-10-10 15:52:07

  【AI系统】AI 学习方法与算法现状

  在人工智能的历史长河中，我们见证了从规则驱动系统到现代机器学习模型的转变。AI的学习方法基于深度神经网络，通过前向传播、反向传播和梯度更新不断优化权重，实现从训练到推理的过程。当前，AI算法如CNN、RNN、GNN和GAN等在各自领域取得突破，推动技术进步的同时也带来了更大的挑战，要求算法工程师与系统设计师紧密合作，共同拓展AI技术的边界。
• 10.10 15:43:55
  发表了文章 2024-10-10 15:43:55

  【AI系统】AI在不同领域的应用与行业影响

  本文探讨了人工智能在计算机视觉、自然语言处理及音频处理等领域的广泛应用，并展示了其在自动驾驶、安全监控、搜索引擎优化、客户服务、语音识别及多个行业的革新作用，强调了AI基础设施与系统创新对未来社会的影响与价值。
• 10.10 10:36:48
  发表了文章 2024-10-10 10:36:48

  【AI系统】AI的历史、现状与理论基础

  人工智能（AI）作为一门跨学科的研究领域，其目标是模拟、延伸和扩展人的智能。本文旨在概述AI的历史发展、当前趋势以及理论基础，为读者提供一个系统的视角。

2023年07月

• 07.23 09:41:21
  发表了文章 2023-07-23 09:41:21

  AI框架跟计算图什么关系？PyTorch如何表达计算图？

  目前主流的深度学习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。 本节将会以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。
• 07.21 19:29:45
  发表了文章 2023-07-21 19:29:45

  我真的想知道，AI框架的编程范式怎么理解？

  我给领导汇报AI框架用函数式编程好，没讲明白，说函数式就是写函数那样方便，都被领导吊飞了，啥玩意，写啥不是写函数，狗屁不通！ 网上搜说用tensorflow那就是用声明式编程，用pytorch就是命令式编程。有兄弟能讲清楚，AI框架的编程范式到底如何区分？AI框架中的不同编程范式有什么作用吗？
• 07.18 01:13:26
  发表了文章 2023-07-18 01:13:26

  2023了，学习深度学习框架哪个比较好？

  都2023年，才来回答这个问题，自然毫无悬念地选择PyTorch，TensorFlow在大模型这一波浪潮中没有起死回生，有点惋惜，现在GLM、GPT、LLaMA等各种大模型都是基于PyTorch框架构建。这个事情已经水落石出。不过呢，我觉得可以一起去回顾下，在AI框架发展的过程中，都沉陷了哪些技术点，为什么一开始这么多人在纠结到底用哪个框架。

2023年03月

• 03.03 14:05:46
  发表了文章 2023-03-03 14:05:46

  【推理引擎：核心原理】系列来啦！从入门到昇腾！

  《AI推理引擎：核心原理》这个系列的内容：从推理系统整体架构开始，然后到模型小型化、模型压缩，在真正推理之前需要进行模型转换和图优化，最后到kernel和runtime优化。