首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    直播预告 | 优也对话腾讯:没什么碳排放的鹅厂为什么要关心碳中和?

    6月8日19:30-21:00,腾讯SaaS加速器一期同学企业-上海优也信息科技有限公司携手联合国工业发展组织上海·ITPO主办“科技创新 零碳未来”系列直播活动。腾讯可持续社会价值事业部副总裁许浩将以《产业互联网,赋能碳中和》为主题与大家进行分享,并同优也信息科技有限公司创始人&董事长傅源进行对话,就“没什么碳排放的鹅厂为什么要关心碳中和”这一话题展开深度交流。 近年来,全球应对气候变化进程显著加速, 将气候变化问题作为本世纪人类面临的最重大挑战之一成为全球共识。而要实现碳中和,不仅需要政策、技术、资金

    02

    加推正式发布智能CRM:管理客户关系,而不是管理销售 | 腾讯SaaS加速器·学员动态

    来源 | 腾讯SaaS加速器首期项目-加推 ---- 从加推创立的第一天起,我们就想为全天下的销售制造一把武器。 那销售最重要的是什么?有人说是把产品卖出去,也有人说是把钱收回来,这些都很重要,但我们认为更重要的是向客户传递价值。只有为客户带来价值,才能卖产品收钱。 所以,2017年我们为销售做了第一把武器,从一张智能名片出发,帮助销售向客户传递价值。经过两年多时间的迭代和演化,我们逐步完善了整套智能CRM产品体系,以更好地传递价值。 在智能CRM新产品全面发布时,我们想向全天下的销售分享打造这把武器

    01

    创业加速器的价值在哪里?对企业融资能有多少帮助?

    现在,在科技领域创立一家公司只需要很小一笔资金就能够做到,我们可以看到有很多企业都是由新手创业者创立的。新手创业者不断出现的同时,全球范围内加速器的数量也快速增加,这些加速器在早期企业的发展阶段对创业团队给予支持。 很多加速器为同一批入驻的企业提供多种支持,比如导师培训,人脉网络,通常会以一小笔资本投入换取公司部分股权。很多加速器都会持有创业企业一部分股权,通常为5%-7%,所以从这一点来看,加入加速器的成本还是很高的。 决定是否加入一个加速器项目的关键因素应该是加速器在帮助公司后续融资方面能起到什么样的

    06

    总结过去三年,MIT发布AI加速器综述论文

    过去这一年,无论是初创公司还是成熟大厂,预告、发布和部署人工智能(AI)和机器学习(ML)加速器的步伐很缓慢。但这并非不合理,对于许多发布加速器报告的公司来说,他们花三到四年的时间研究、分析、设计、验证和对加速器设计的权衡,并构建对加速器进行编程的技术堆栈。对于那些已发布升级版本加速器的公司来说,虽然他们报告的开发周期更短,但至少还是要两三年。这些加速器的重点仍然是加速深层神经网络(DNN)模型,应用场景从极低功耗嵌入式语音识别和图像分类到数据中心大模型训练,典型的市场和应用领域的竞争仍在继续,这是工业公司和技术公司从现代传统计算向机器学习解决方案转变的重要部分。

    02

    你也可以训练超大神经网络!谷歌开源GPipe库

    深度神经网络(DNN)推动了许多机器学习任务的发展,包括语音识别、视觉识别、语言处理。BigGan、Bert、GPT 2.0取得的近期进展表明,DNN模型越大,其在任务中的表现越好。视觉识别领域过去取得的进展也表明,模型大小和分类准确率之间存在很强的关联。例如,2014年ImageNet视觉识别挑战赛的冠军GoogleNet以400万的参数取得了74.8%的top-1准确率,但仅仅过了三年,冠军的宝座就被Squeeze-and-ExcitationNetworks抢去,后者以1.458亿(前者的36倍还多)的参数量取得了82.7%的top-1准确率。然而,在这段时间里,GPU的内存只提高了3倍左右,当前最优的图像模型却已经达到了谷歌云 TPUv2的可用内存。因此,我们急需一个能够实现大规模深度学习并克服当前加速器内存局限的可扩展高效架构。

    03

    你也可以训练超大神经网络!谷歌开源GPipe库

    深度神经网络(DNN)推动了许多机器学习任务的发展,包括语音识别、视觉识别、语言处理。BigGan、Bert、GPT2.0取得的近期进展表明,DNN模型越大,其在任务中的表现越好。视觉识别领域过去取得的进展也表明,模型大小和分类准确率之间存在很强的关联。例如,2014年ImageNet视觉识别挑战赛的冠军GoogleNet以400万的参数取得了74.8%的top-1准确率,但仅仅过了三年,冠军的宝座就被Squeeze-and-ExcitationNetworks抢去,后者以1.458亿(前者的36倍还多)的参数量取得了82.7%的top-1准确率。然而,在这段时间里,GPU的内存只提高了3倍左右,当前最优的图像模型却已经达到了谷歌云 TPUv2的可用内存。因此,我们急需一个能够实现大规模深度学习并克服当前加速器内存局限的可扩展高效架构。

    02
    领券