本書致力于探索如何在大規(guī)模深度學習模型訓練中,最大限度地提高性能和優(yōu)化顯存使用。本書面向深度學習從業(yè)者,尤其是希望深入了解并提升模型訓練效率的工程師與研究人員。隨著深度學習模型和數(shù)據(jù)規(guī)模的迅速增長,如何高效利用硬件資源,減少訓練時間,成為當前AI系統(tǒng)工程的關鍵挑戰(zhàn)。本書從硬件和軟件的基礎知識入手,逐步引導讀者理解和掌握
這是一部從技術原理、行業(yè)應用、商業(yè)價值、投資創(chuàng)業(yè)、發(fā)展趨勢5個維度講解AIAgent的著作,具有科普書和商業(yè)書的雙重屬性。本書首先詳細介紹了AIAgent的技術路徑及其在11大領域的應用,豐富的應用案例可以幫助讀者深度理解AIAgent產(chǎn)品形態(tài)與服務方式;然后深入探討了AIAgent的商業(yè)價值與商業(yè)生態(tài),并對AIAge
近年來人工智能特別是深度學習技術得到了飛速發(fā)展,這背后離不開計算機硬件和軟件系統(tǒng)的不斷進步。在可見的未來,人工智能技術的發(fā)展仍將依賴于計算機系統(tǒng)和人工智能相結合的共同創(chuàng)新模式。本書介紹了前沿的系統(tǒng)和人工智能相結合的研究工作,包括AIforSystems和SystemsforAI,以幫助讀者更好地尋找和定義有意義的研究問
本書全面、系統(tǒng)地介紹了單機和分布式圖分析算法的理論基礎、框架、實戰(zhàn)應用等,側(cè)重理論與實踐相結合。在內(nèi)容組織上,首先,本書整體介紹圖分析技術的發(fā)展歷程和現(xiàn)狀,并分析圖分析技術面臨的挑戰(zhàn)。其次,本書系統(tǒng)介紹了以下內(nèi)容:單機圖分析算法的基本原理、常用場景和基礎解法;分布式圖分析技術的關鍵步驟解析及調(diào)優(yōu)策略指導;業(yè)界經(jīng)典的大數(shù)
《PyTorch深度學習項目教程》根據(jù)初學者的學習曲線和職業(yè)生涯成長規(guī)律,由淺入深設計了5個基礎項目和3個綜合項目;A項目包括手寫數(shù)字識別、二維曲線擬合、貓狗圖像分類、提升貓狗圖像分類的準確率和文本翻譯,引導讀者使用PyTorch構建神經(jīng)網(wǎng)絡算法框架,深入探討了深度學習數(shù)據(jù)集構建、神經(jīng)網(wǎng)絡模型原理及實現(xiàn)、算法訓練與評
本書用科普化的語言介紹了搜索、計算機視聽覺、自然語言處理、機器學習、多模態(tài)信息處理等人工智能系統(tǒng)中的基礎算法和數(shù)學模型,它們是實現(xiàn)人工智能的基礎。展示了人工智能的底層邏輯,人工智能工作的基本規(guī)律。讓讀者真正搞懂如何給機器裝上眼睛和耳朵、如何讓機器理解人類語言、如何讓機器擁有知識、如何讓機器懂邏輯會推理、如何使機器人的言
本書以統(tǒng)一而較簡明的方式介紹人工智能算法在數(shù)值求解復雜系統(tǒng)中的基本方法及最新進展。首先從人工智能與機器學習的基礎算法開始講解,從最基礎的反向傳播神經(jīng)網(wǎng)絡模型開始,介紹一些經(jīng)典的機器學習算法的基礎及其原理。然后從一階常微分方程初值問題引入,分別介紹了常微分方程、偏微分方程以及積分微分方程數(shù)值求解的經(jīng)典算法。隨后分別研究了
本書系統(tǒng)闡述了機器學習的基本理論、算法和實現(xiàn)。全書共11章:第1章著重介紹了機器學習的基本知識;第2章介紹了樣本數(shù)據(jù)預處理和提取的傳統(tǒng)算法(如PCA和LDA),并增加了流形學習和稀疏表征等理論;第3-8章系統(tǒng)介紹了傳統(tǒng)機器學習算法,如監(jiān)督學習(貝葉斯、最近鄰、線性模型、非線性模型和集成學習)和非監(jiān)督學習(聚類);第9、
在人工智能飛速發(fā)展的今天,大眾對于這一前沿技術仍感神秘且難以窺探其深。為此,本書針對人工智能的核心問題進行了深入剖析,旨在幫助讀者揭開其神秘面紗。本書的主要內(nèi)容圍繞以下問題展開:什么是人工智能?人工智能能否解釋其決策?它能否承擔法律責任?它是否具有代理權?人類應該保留對這類系統(tǒng)的何種控制權,是否取決于所做決策的類型?如
大模型作為人工智能技術的重要發(fā)展方向,逐漸成為未來科技發(fā)展的重要方向之一;诖,本書重點介紹與大模型相關的基礎知識、原理與技術。本書分為14章,內(nèi)容包括深度學習基礎、自然語言處理、大模型網(wǎng)絡結構、大模型訓練與優(yōu)化、大模型微調(diào)及相關應用案例等。全書強調(diào)內(nèi)容的科學性與系統(tǒng)性,從大模型歷史發(fā)展脈絡、理論基礎、構建方法到應用