蓝海大脑用于GPU服务器部署的存储是PCI存储卡，请教下与AI芯片（未来的具有AI算力的CPU、Arm和FPGA）相比较，有何可取之处？

关于芯片和 AI加速卡的区别，主要是应用场景的不同，比如在嵌入式相机或者前端应用里，一般可能会直接用芯片的方案。但在后端，比如在工控机里面有很多路的视频，或者很多路、很大量的图片做高效的处理时，一般是用加速卡的方式来做。

阅读全文 → 2023-01-09

与我们生生相关的气象预报中，计算应该是普遍和大量的吧？在当下最火的AI浪潮中，AI是如何应用到相关领域中？

AI在地球科学中的应用是非常广泛的，我们目前也有几个关于这方面的项目，一个是在地球气候气象中，利用AI和DeepLearning（深度学习）的方法对云图进行分析和挖掘它的规律，然后去判断云图的走势，如可能的降水以及其他可能发生的天气变化等；另外一个是在地学的石油勘探，在地下的成像分析、数据的分析等。而这些项目工作目前都只是处于起步阶段，在学术上是非常有前景的，由于目前的AI非常火，因此我们想做出一些好的成果给气候学领域的专家来评审指导。

阅读全文 → 2023-01-09

L2 Cache 的 Data Compression 能用来做 sparse tensor core 的 data encoding 吗？

这两个所用的场合或机制是有较大区别的，L2 Cache针对的是非结构化稀疏的场合，它会深入到每个数据的重复性或0的数目，对数据进行压缩。结构化稀疏是深入Tensor的数据结构里面，每4个位置，取2个为0，所以encoding还是很不一样的。

阅读全文 → 2023-01-09

Layer Normalization 和 Batch Normalization的区别，padding对这两者有影响吗，对哪一维有影响。

Batch Normalization 是对这批样本的同一维度特征做归一化， Layer Normalization 是对这单个样本的所有维度特征做归一化。

区别：LN中同层神经元输入拥有相同的均值和方差，不同的输入样本有不同的均值和方差；BN中则针对不同神经元输入计算均值和方差，同一个batch中的输入拥有相同的均值和方差。所以，LN不依赖于batch的大小和输入sequence的长度，因此可以用于batchsize为1和RNN中sequence的normalize操作。

padding会对

阅读全文 → 2023-01-09

Adam原理是什么？

Adam算法即自适应时刻估计方法（Adaptive Moment Estimation），能计算每个参数的自适应学习率。这个方法不仅存储了AdaDelta先前平方梯度的指数衰减平均值，而且保持了先前梯度M(t)的指数衰减平均值，这一点与动量类似。
Adam实际上就是将Momentum和RMSprop集合在一起，把一阶动量和二阶动量都使用起来了。

阅读全文 → 2023-01-05

LightGBM对于Xgboost有哪些改进？

模型精度：XGBoost和LightGBM相当。

训练速度：LightGBM远快于XGBoost。(快百倍以上，跟数据集有关系)

内存消耗：LightGBM远小于XGBoost。(大约是xgb的五分之一)

缺失值特征：XGBoost和LightGBM都可以自动处理特征缺失值。

分类特征：XGBoost不支持类别特征，需要OneHot编码预处理。LightGBM直接支持类别特征。

阅读全文 → 2023-01-05

首页上一页 100 101 102 103 104 105 106 107 108 109 下一页尾页