性能提升计算

本页是关于频道"性能提升计算"的所有博文，按照时间倒序展现。实时更新。

总数 13 第 1/2 页

腾讯云发布自研大数据高性能计算引擎Meson，性能最高提升6倍

砍柴网 • 5月前

7 月4日消息，腾讯云发布全新自研大数据高性能计算引擎Meson。通过软硬一体加速和智能技术的综合应用，该引擎能显著为AI等场景下的大数据任务提供更优的计算性能，并节省更多计算资源。比如，在数据湖场景下，Meson能够助力单个数据查询分析提速6倍，在微信读书“AI问书”项目中，Meson助力

英伟达发布Blackwell架构GPU：包括B200和GB200，大幅提升AI计算性能

砍柴网 • 9月前

在美国加州圣何塞会议中心举行的GTC 2024大会上，英伟达创始人兼CEO黄仁勋英伟达创始人兼CEO黄仁勋带来了Blackwell架构GPU，包括用于取代H100/H200的B200 GPU，另外还有与Grace CPU相结合的GB200。B200采用了台积电（TSMC）改进的4NP定制工艺制造，整合了两个独立制造的D

单核性能提升55%，阿里云发布基于第四代AMD EPYC处理器的弹性计算实例

砍柴网 • 2年前

11月11日,阿里云宣布,将推出新一代基于AMD EPYC的计算实例规格族g8ae。该款计算实例基于阿里云自研CIPU与磐久服务器,搭载AMD公司最新发布的第四代AMD EPYC(霄龙)处理器,单核性能相比上一代g7a实例提升55%以上;网络带宽升级至2 x 100G,提升100%,标配阿里云自研eRMDA大规模加速能

蚂蚁数科技术新突破：软硬协同提升端到端隐私计算性能，小时级计算缩短至3分钟 | 速途网

速途网 • 2年前

速途网9月2日消息（报道：李楠）近日，2022世界人工智能大会（WAIC）在上海举办，除了AI技术和元宇宙之外，前沿技术融合实践也成为今年一大亮点。今日，速途网从世界人工智能大会现场了解到，蚂蚁链隐私协作平台FAIR宣布整体架构升级，平台开放性和大规模计算性能得到进一步增强。FAIR因其首次实现了隐私计算和区块链技术的

英特尔全新晶体管性能提升可媲美节点升级！计算架构新黄金十年开启？

雷锋网 • 4年前

雷锋网消息，英特尔首席架构师Raja Koduri和多位英特尔院士、架构师在英特尔2020年架构日上详细介绍了英特尔在六大技术支柱方面的最新进展。首次展示了英特尔全新的10nm SuperFin技术，并首次介绍了可实现全扩展的Xe图形架构，还有Willow Cove微架构和用于移动客户端的Tiger Lake SoC架

北大教授：超级计算机计算性能提升速度是"十年千倍"

网易科技 • 4年前

整理|网易科技孟倩特别鸣谢部分编辑校对：-游培廷，北京大学数学科学学院计算数学博士生-方林，深圳大学光电工程学院光学硕士生2020年5月9日，未来论坛青创联盟发起的YOSIA Webinar特别推出了“AI+X”科学系列主题，第二期主题为“AI+科学计算”，主要针对科学计算的现状和挑战、科学计算与人工智能融合的价值

Uber 开源 AI 可视化调试工具 Manifold，2 个工作流让计算性能提升百倍

雷锋网 • 5年前

雷锋网(公众号：雷锋网) AI 开发者按：在去年 1 月，Uber 推出了一种与模型无关的机器学习可视化调试工具——Manifold，它可以让模型迭代过程更易于操作，并能够提供更多的信息；同时，该工具也被 Uber 用来识别机器学习模型中的一些问题。官方表示，大多数开发者通常会

英特尔和联想宣布开展为期多年的全球合作，提升在高性能计算和人工智能领域的领导地位

砍柴网 • 5年前

在长期合作伙伴关系的基础之上，此次合作旨在进一步加速科技与商业的创新和发现加州圣克拉拉，2019年8月5日——英特尔与联想今日宣布开展为期多年的合作，关注于高性能计算（HPC）和人工智能（AI）融合领域快速增长的机会，以加速解决全球范围内最富挑战性的问题。基于双

英特尔优化 4 路 112 核高密度计算，下下代 14nm 芯片提升 16 位性能

砍柴网 • 5年前

在桌面市场上，AMD 的锐龙处理器步步紧逼，已经从英特尔手里抢走了不少份额，但在服务器领域英特尔的强势垄断地位基本没变化，AMD 去年底在服务器市场上的份额翻倍，从 1% 涨到了 2% 左右，英特尔依然占据 98% 的份额，尽管英特尔的服务器芯片在核心数上没有优势了。在日前的 OCP 开放计算联盟会议上，英特尔宣布持续

用几何学提升深度学习模型性能，是计算机视觉研究的未来

36大数据 • 7年前

作者：Alex Kendall深度学习使计算机视觉得以蜕变。如今，绝大多数问题的最佳解决方案是基于端到端的深度学习模型，尤其是当卷积神经网络倾向于开箱即用后便深受青睐。但这些模型主要为大型黑箱，其透明度很差。尽管如此，我们仍旧在深度学习领域获得了显著成果，即研究人员能通过一些数据以及使用基本的深度学习 API 所编写的