V
主页
计算图未来将会走向何方?【计算图】第七篇
发布人
AI系统之【计算图】第七篇:计算图未来将会走向何方? 现在Diffusion Model等各种新的神经网络模式出现,计算图还能正确表示吗?计算图会不会遇到没办法表达的场景呢?科学计算、知识图谱、大数据等跟AI融合,会不会带来新的范式或者新的计算结构体系呢?计算图未来演进方向在哪里?一起来思考吧!
打开封面
下载高清视频
观看高清视频
视频下载器
为什么AI框架都用计算图?什么是计算图?到底计算图有什么用?【计算图】系列第二篇
int8/fp16/bf16/tf32在AI芯片中什么作用?【AI芯片】AI计算体系06
计算图跟微分什么关系?怎么用计算图表示自动微分?AI框架自动微分如何通过计算图来实现?【计算图】系列第三篇
AI框架都是怎么表示控制流的?PyTorch和TF对计算图中控制语句如何处理?【计算图】第五篇
1、昇思MindSpore Al框架介绍--曹杰文丨MindSpore SPONGE暑期学校
计算图有哪些内容知识?【计算图】系列第一篇
AI框架有什么用?没有AI框架写算法又会怎么样?【AI框架基础】系列第二篇
推理系统架构和Trition架构介绍!【推理系统】系列04篇
张量还能自动并行?MindSpore张量自动并行啥原理?【大模型与分布式训练】系列04篇
AI编译器啥架构来着?有多少模块?【AI编译器】系列第三篇
如何自定义计算图IR?【推理引擎】离线转换系列第03篇
GCC编译过程!优缺点是啥?手把手用GCC编译一个小程序【AI编译器】系列第三篇
AI框架如何实现分布式训练?SISD和SIMT又是什么?【分布式集群】系列第05篇
QNNPack之间接优化算法【推理引擎】Kernel优化第05篇
函数式编程和声明式编程啥区别?AI到底应该用什么编程范式?【AI框架基础】系列第四篇
图层IR(Graph IR)是什么?AI编译器如何接收图层IR进行优化呢?【AI编译器】系列之前端优化第02篇
AI编译器后端优化来啦!AI编译器后端架构!【AI编译器】后端优化01篇
AI编译器后端算子优化来啦!算子优化手工方式!【AI编译器】后端优化03篇
如何对算子IR表示?算子是如何分开计算和调度两部分?【AI编译器】后端优化02篇
推理引擎架构介绍!MNN、TF Lite、TensorRT介绍!【推理系统】系列05篇(上)
分布式并行策略基础介绍!【分布式并行】系列第01篇
NVIDIA十代GPU架构回顾(从Turning图灵到Hopper赫柏)【AI芯片】GPU架构03
LLVM IR详解!LLVM编译器的核心理念来啦!【AI编译器】系列第五篇(上)
深度学习计算模式是什么?【AI芯片】AI计算体系02
模型转换技术细节!【推理引擎】离线转换系列第04篇
计算图优化策略!【推理引擎】离线优化系列第01篇
OpenAI o1大模型炸了,数学逻辑推导能力堪比博士! #大模型 #OpenAI
分布式训练、分布式集群的基础介绍!【分布式集群】第01篇
卷积优化:Im2Col算法和组合优化算法【推理引擎】Kernel优化第03篇
AI框架内容介绍:AI框架基础、AI框架之争、AI编程范式!【AI框架基础】系列第一篇
LLVM编译器前端和优化层了解下?词法语法分析、Pass优化都在这!【AI编译器】系列第五篇(中)
AI芯片主要计算方式:矩阵运算【AI芯片】AI计算体系05
大模型是什么?大模型有什么用?训练大模型会遇到哪些挑战?【分布式算法】第01篇
感知量化训练QAT原理!伪量化节点计算方式!【推理引擎】模型压缩系列第03篇
卷积优化:Winograd算法【推理引擎】Kernel优化第04篇
AI框架如何实现动静统一?PyTorch和MindSpore动静统一做得如何了?【计算图】第六篇
设计AI芯片需要关注什么指标?【AI芯片】AI计算体系04
CPU计算本质:数据如何传输【AI芯片】芯片基础03
AI框架之争!都2022年,应该怎么选择AI框架?【AI框架基础】系列第三篇
AI编译器内存优化算法!动态内存和静态内存区别!【AI编译器】前端优化第05篇