首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏Java项目实战

    【玩转 GPU】AI绘画、AI文本、AI翻译、GPU点亮AI想象空间

    AI绘画个人作品展示 图片 图片 一、使用 GPU 的 AI 技术场景应用与开发实践 图片 GPU 可以大幅提升人工智能算法的运行速度,加快数据的处理和分析,由此产生了许多基于 GPU 的 AI 技术场景应用。 下面我们将分别介绍 AI 绘画、AI 语音合成、开源语言模型部署等 AI 技术场景的 GPU 开发实践。 1.1 AI 绘画 AI 绘画是利用人工智能技术进行绘画创作的一种方法。 1.2 AI 语音合成 AI 语音合成是通过人工智能技术实现的语音合成技术。利用 GPU 可以加速计算,提高语音合成的速度和准确度。近年来,WaveNet 技术成为了语音合成的一种新的解决方案。 1.3 开源语言模型部署 开源语言模型部署是一种将 AI 技术和自然语言处理技术相结合的应用场景。使用 GPU 可以加快模型的训练,提高模型的准确度和效率。

    3K192编辑于 2023-05-27
  • 来自专栏AI系统

    AI系统】AI 框架之争

    AI 框架还要思考和解决许多问题,如 AI 框架如何对实际的神经网络实现多线程算子加速? AI 框架的发展AI 框架作为智能经济时代的中枢,是 AI 开发环节中的基础工具,承担着 AI 技术生态中操作系统的角色,是 AI 学术创新与产业商业化的重要载体,助力 AI 由理论走入实践,快速进入了场景化应用时代 这就要求 AI 框架最大化的实现编译优化,更好地利用算力、调动算力,充分发挥集群硬件资源的潜力。此外,AI 与社会伦理的痛点问题也促使可信赖 AI 、或则 AI 安全在 AI 框架层面的进步。 在这一阶段,AI 框架正向着全场景支持、大模型、分布式 AI、 超大规模 AI、安全可信 AI 等技术特性深化探索,不断实现新的突破。 AI 框架的未来应对未来多样化挑战,AI 框架有以下技术趋势:全场景AI 框架将支持端边云全场景跨平台设备部署网络模型需要适配部署到端边云全场景设备,对 AI 框架提出了多样化、复杂化、碎片化的挑战。

    25711编辑于 2024-12-06
  • 来自专栏刘旷专栏

    AI主播、AI记者、AI编辑,传媒AI化加速

    但随着AI的深入,Microsoft News方面逐渐转向 AI,其鼓励出版商和新闻工作者使用AI辅助工作,或用AI替代人工进行内容的处理、过滤、发表。 微软作为全球名企,每个改变都会引起其他企业效仿和学习,这一次AI替代编辑人员的改变也将影响传媒行业的发展。国外传媒AI之路是如此,国内传媒AI化之路也在逐渐升温。 传媒行业正在AI化 目前为止,AI对于各行各业起到的作用都是正面性的,传媒行业也不例外。 AI化。 不同于百度重点关注给主流媒体赋能,搜狗主要通过AI合成主播切入AI传媒市场。

    1K30发布于 2020-06-28
  • 来自专栏流行软件

    ai下载正版下载AI-中文版Ai-下载Ai下载

    ai软件安装包下载为大家带来了有关该工具所有的版本资源,像adobe illustrator cs3、ai cs4、ai cs5、cs6已经cc等版本,你都可以快速就找到。 ai软件就是Adobe illustrator,俗称为“AI”,本软件是个非常好用的图形设计平台,操作简单,功能强大,采用3d的视觉界面效果,让你在工作的过程中可以有更加真实的代入感,从而大大提高你的工作效率

    9.7K20编辑于 2023-04-13
  • 来自专栏软件深度评测

    进击的AI工具:全能AI阅读软件Walles AI

    、PandaPDF 以及 AI 聊天智能侧边栏 SideAI……这些AI阅读工具,多数定位为AI文档阅读工具,主要是提供PDF文件、Word文档的智能阅读,提供AI摘要、AI总结、AI问答等服务。 如果能有一个一站式的AI阅读工具就好了,这样就不用在多个AI工具中反复切换了。最近上线不久的 Walles AI 便是这样的一款专业AI阅读工具。 Walles AI 全能AI阅读工具Walles AI 是一款 All in One 的全能AI阅读工具。 简单来说,Walles AI= AI聊天对话工具 + AI网页阅读工具+AI 浏览器智能助手+ AI 搜索引擎助手+ AI PDF文档阅读工具+AI 视频阅读工具…… 更多新的AI阅读场景正在解锁中。 此外,建议 AI Short等 AI提示词站点 提供了丰富的 AI 使用技巧,可以与 AI 工具结合使用。​

    62511编辑于 2023-12-10
  • 来自专栏数据冰山

    AI帮忙,俯瞰AI江湖

    为了帮新入坑的研究生们迅速融入AI系,张教授打造了这个叫「人工智能文献全景图」(AI Panorama)的工具。 后台是非营利组织AI Access Foundation。它被中国计算机学会归为B类刊物。 这个话题涵盖了最厉害最酷的AI话题。令人折服的是,Ilya Sutskever这位AI大牛的姓氏居然被聚类分析识别为一个高相关的关键词,足见此人著作对该领域的影响之大。 截屏自AI Panorama 论文①是Sutskever在2012年发表在NIPS上的大作,以近1.3万的引用数排名第一。 所以,借助张连文教授的「AI全景图」,一个AI外行或新手可以在几分钟之内,筛选出3大期刊9大会议中最近几年热度最高、升温最快的科研课题,比如「深度学习,sutskever,深度,神经网络,层,卷积,层们

    88220发布于 2019-01-09
  • 使用Spring AI调用AI模型

    简介Spring AI是Spring框架对人工智能和机器学习的支持模块,它提供了一套简单易用的API来集成各种AI服务和模型。 主要功能集成主流AI模型服务(如OpenAI、Azure、 Baidu千帆等)提供统一的API接口支持提示词工程内置向量存储功能支持文本嵌入和文本生成核心概念AI Client统一的客户端接口,用于调用 代码助手 代码解读复制代码spring.ai.openai.api-key=youkeyspring.ai.openai.base-url=https://api.deepseek.comspring.ai.openai.chat.options.model 对接阿里大模型Spring AI Alibaba 开源项目基于 Spring AI 构建,是阿里云通义系列模型及服务在 Java AI 应用开发领域的最佳实践,提供高层次的 AI API 抽象与云原生基础设施集成方案 ,帮助开发者快速构建 AI 应用。

    81110编辑于 2025-03-27
  • 来自专栏C++开发学习交流

    AI模型】AI模型部署概述

    AI模型部署方法 在AI深度学习模型的训练中,一般会用Python语言实现,原因是其灵活、可读性强。但在AI模型实际部署中,主要会用到C++,原因在于其语言自身的高效性。 AI模型部署框架 模型部署常见的推理框架有:ONNX、NCNN、OpenVINO、 TensorRT、Mediapipe。 通过短短几年的发展,已经成为表示深度学习模型的实际标准,并且通过ONNX-ML,可以支持传统非神经网络机器学习模型,大有一统整个AI模型交换标准的趋势。 AI模型部署平台 AI 模型部署是将训练好的 AI 模型应用到实际场景中的过程。 以下是一些常见的 AI 模型部署平台: 云端部署 云端部署是最流行的 AI 模型部署方式之一,通常使用云计算平台来托管模型和处理请求。

    1.2K10编辑于 2024-07-24
  • 来自专栏VoiceVista语音智能

    对话式AI(Conversational AI)

    在BOLD360峰会中,与会嘉宾探讨了对话式 AI的现状,未来,消费者关切等诸多话题。 对话AI (Conversational Technology and AI)的终极目标是为消费者创造更佳的体验。 “对话式AI平台比如Alexa已经超越了其最初的,处理家居事务性任务的目标。 随着Echo Auto的发布渐渐进入了移动和车载环境”,”Amazon在AI特别是语音AI领域投资巨大,在未来,我们将看到Alexa将随处带来改变(Transitioning everywhere)。 对话式AI将带来一个多样和包容的新世界(A new world of diversity and inclustin),将使人机数字接口更加的无处不在(Ubiquitous),友好的和容易的(Welcoming

    1.6K20发布于 2019-08-14
  • 来自专栏AI系统

    AI系统】AI 框架作用

    本文将从深度学习的原理开始,进而深入地讨论在实现深度学习的计算过程中使用到的 AI 框架,看看 AI 框架具体的作用和目的。 这种模拟生物神经元的数学计算,能够很好地对大规模独立同分布的数据进行非线性映射和处理,使得其能够应对到 AI 的不同任务。函数逼近现在,如果把神经网络看做一个复杂函数,那么这个函数可以逼近任何函数。 AI 框架的作用AI 框架与微分关系根据深度学习的原理,AI 框架最核心和基础的功能是自动求导(后续统一称为自动微分,AutoGrad)。 AI 框架与程序结合下面左图的公式是神经网络表示的复合函数表示,蓝色框框表示的是 AI 框架,AI 框架给开发者提供构建神经网络模型的数学操作,AI 框架把复杂的数学表达,转换成计算机可识别的计算图。 这一过程,只要你定义好网络 AI 框架都会主动地帮我们完成。

    27710编辑于 2024-12-06
  • 来自专栏DrugOne

    AI炒作 or AI希望 | AI何时会颠覆制药业?

    AI帮助、AI 希望或AI炒作 面对这些荒唐的机会并在数据密集型环境中四处游荡,您可能会认为,人工智能非常适合寻求方法来提高其找到可销售药物的可能性。 事实证明,可以使用AI来降低赔率的想法已成为制药业的好消息和坏消息。一方面,AI为该领域带来了更多的投资和更多的人才。但是,随着药品价格飞涨,炒作愈演愈烈,这引起了极大的怀疑。 AI希望与AI炒作之间的紧张关系仍在继续。实际上,Alex开始从事AI药物发现的工作以来,每天都有很多文章或分析报告讨论AI药物发现的炒作和希望。 明确证明生成方法可以对制药业产生重大影响的唯一方法是,选择一种会影响数以百万人的疾病,使用AI方法以完全“无人干预”的方式识别该疾病中的新生物学靶标,然后使用AI以“无人干预”的方式为AI挑选的靶标生成新分子 参考资料 https://www.forbes.com/sites/cognitiveworld/2020/04/30/ai-hype-or-ai-hope-when-will-ai-disrupt-the-pharmaceutical-industry

    35040发布于 2021-02-01
  • 来自专栏新智元

    【探索AI自开发】谷歌、微软用AI开发AI,特定任务超越人类AI专家

    【新智元导读】为了应对AI人才不足,以谷歌为首的企业正在想方设法,开发能够取代AI研究员的AI系统,让创建AI软件变得容易。 目前,这样的AI系统正在帮助AI研究员,让搜索更高效,让网络结构更先进,同时承担繁重重复的工作。但是,AI取代AI研究员的那天终会到来,只是时间的问题。 现在,以谷歌为首的各大公司,在AI人才严重不足的情况下,开始把目光投向另一个更为强大的目标——开发能够自己创建AIAIAI取代AI研究员的那天终会到来 谷歌的设想是,类似AutoML这样的项目,将能帮助企业构建他们自己的AI系统,尤其是那些没有深厚AI经验和实力的企业。 元学习并不会彻底取代AI研究人员,目前,谷歌的AI研究人员仍然负责重要的设计工作,AutoML的目标是让有限的AI专家能够服务于更多更广的项目。 但AI取代AI研究员的那天终会到来。

    93291发布于 2018-03-21
  • 来自专栏机器之心

    AI顶会,正在使用AI来审阅AI论文

    机器之心报道 编辑:蛋酱、泽南 近年来我们在报道 AI 顶会的文章里不断听到「史上最大」、「论文数量新高」等字眼,论文的审核俨然成了一项挑战。但既然是在研究 AI,为什么不让机器来自动解决问题? 大概也是「近水楼台先得月」,AI 顶会的审稿工作得到了 AI 的协助。 AI 会议的组织者希望通过提高匹配质量来推动同行评审和出版论文的质量。 参考内容: https://www.sciencemag.org/news/2021/04/ai-conferences-use-ai-assign-papers-reviewers 建新·见智 —— 亚马逊云科技技术专家以及各个行业合作伙伴将现身说法,讲解 AI/ML 在实现组织高效运行过程中的巨大作用。每个热爱技术创新的 AI/ML 的爱好者及实践者都不容错过。

    48520编辑于 2023-03-29
  • 来自专栏VoiceVista语音智能

    Cloud AI, Edge AI, Endpoint AI. What’s the Difference?

    What is Cloud AI? Cloud AI refers to AI processing within powerful cloud data centers. Edge AI moves AI and ML processing from the cloud to powerful servers at the edge of the network such What is Endpoint AI? , power and storage than edge AI and cloud AI devices. A combined, secure approach Cloud AI, Edge AI and Endpoint AI each have their strengths and limitations

    51430编辑于 2022-09-02
  • 来自专栏智能相对论

    全球AI角逐,百度AI才是中国AI的名片

    而回过头来看,发展历程证明了AI一定是百度的最佳选择,通过动作上的步步领先,百度进入了AI时代,AI或也成为百度的时代。 除了先天禀赋,还有持续投入 百度进入AI,在基础能力与推动力上都有充分的准备。 2 持续的投入动力 AI的研发和落地无疑需要巨量的前期资源投入,之所以只有百度这样的大佬才能做AI的原因也在于此。 在AI全面落地之前,持续砸钱、砸资源是常态。 百度的AI的发展得益于其AI+Feed的主航道战略,通过搜索与移动业务的大量营收充实AI研发需要,最终,当AI在商业化落地上完成后,AI的强大造血能力又能反哺百度生态的其他业务,形成良性循环。 3 兼顾AI底层研究与商业价值落地 同样是AI技术巨头Google,在推出AlphaGo技惊四座后,却鲜有能够落地的AI产品。 重点关注领域:AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。

    45620发布于 2018-09-13
  • 来自专栏新火种AI

    新火种AI | AI三重问:什么是AI?什么是AI模型?什么是AI大模型?

    什么是AI? 随着ChatGPT火爆全球,各行各业都开始讨论AI,如果你在路上随便找个大爷问下,可能他都听说过AI,如果往后几年再来看,2023应该称得上是“AI元年”。 但是AI就不同,AI最大的特征就是它会通过数据集来学习,会迭代,会有新的东西,新的技能产生,学习能力才是AI被称为人工智能的来源。 什么是AI模型? 了解了AI,那么什么是AI模型? 而且,AI模型是刚开始上学,就直接学习不同的专业,偏科偏到头。可能一个用在太空研究的AI模型,也搞不定在超市里算库存的事。 什么是AI大模型? 那这样,我们要做100件事,不就要训练100个不同的AI模型? 要知道,训练一个AI模型,技术复杂度并不比训练一个专业运动员低。怎么办? 是不是感觉,原来AI不只是ChatGPT,在我们的日常生活中,其实AI已经有了这么多的应用了,出行、购物还有天气预报等等都有接触到。

    1.9K10编辑于 2023-11-10
  • 来自专栏腾讯云TI平台

    AI Talk | 如何评估AI是否可信?

    作者:leonlzhou 随着AI技术深入到各行各业,AI也不断暴露出一些风险隐患,包括人脸数据的滥用,算法歧视,算法鲁棒性等,AI所隐藏的风险也越来越被大众所重视。 可信AI已经成为全球共识,也是行业发展的必然趋势。那什么是可信AI?如何确保和评估AI是可信的呢? ▲为什么需要可信AIAI的伦理问题? 隐私风险 ZAO违规收集人脸数据 上面这些事件也只是大众对AI产生信任危机的一小部分,单拎出来一类都有很多AI有类似的风险。 这些事件的发生让我们重新来审视AIAI向善的本质还是人的向善,创造AI的开发者需要去审视自己。 ▲可信AI的发展 可信AI在学术界,政府和企业都有很多发展和推动。 其中可靠包括了AI的响应时间,并发,AI的识别效果准确率,以及AI的健壮性或者鲁棒性,AI的安全性等。透明可释谈的是AI的决策是否透明,是否可以解释,解释是否合理。

    1.3K20编辑于 2021-11-30
  • 来自专栏学习与分享

    AIAI在创造还是毁掉音乐?

    AI音乐大模型的现状与未来:从实验室走向市场 1.1 AI音乐大模型的现状 AI技术在音乐生成领域的应用已经取得了显著的进展,从实验室的研究成果逐步走向商业应用。 人机合作:AI在音乐创作中的新角色 2.1 AI在音乐创作中的辅助作用 AI并不一定是音乐家的敌人,相反,它可以成为音乐创作的重要工具和伙伴。 如何确保AI生成的作品能够保持创意和个性,这是创意产业需要面对的挑战。 现实案例 AI作曲比赛:在一些音乐创作比赛中,AI生成的作品开始崭露头角。 例如,AI作曲比赛中,AI生成的音乐作品与人类作曲家的作品一起竞争。这不仅展示了AI的创作能力,也引发了对人类创作能力和AI工具之间关系的反思。 现实案例 AI伦理委员会:一些公司和组织已经开始成立AI伦理委员会,讨论和制定AI技术的应用规范,确保其在创意产业中的公平性和透明性。 结论 AI在音乐领域的应用带来了前所未有的可能性和挑战。

    32410编辑于 2024-06-23
  • 来自专栏AI技术应用

    AI 智能体(AI Agent)的开发

    AI 智能体(AI Agent)的开发是一个复杂且多阶段的过程,涉及需求分析、算法设计、模型训练、系统集成和部署等多个环节。以下是 AI 智能体开发的典型流程。 1.需求分析与定义1.1明确目标确定 AI 智能体的核心功能和应用场景(如聊天机器人、推荐系统、自动驾驶等)。定义智能体的输入、输出和交互方式。 1.2确定技术栈选择适合的 AI 技术和工具(如机器学习、深度学习、强化学习等)。确定开发语言(如 Python、C++)和框架(如 TensorFlow、PyTorch)。 5.2模块集成将 AI 模型集成到应用程序中。与其他模块(如数据库、用户界面)进行交互。5.3性能优化优化模型推理速度(如模型量化、剪枝)。 总结AI 智能体的开发流程包括需求分析、数据收集、模型设计、训练与评估、系统集成、测试验证、部署监控和维护迭代。通过合理规划和使用工具,可以高效地开发出功能强大、性能优异的 AI 智能体。

    2K20编辑于 2025-02-18
  • 来自专栏量化投资与机器学习

    从『Man VS AI』到『Man + AI

    Baozhong Yang 自从AI诞生至发展至今,人们一直把重点放在AI如何替代人类的工作,人类又将如何在AI发展的时代找到自身的定位。 本文主要以对比分析师预测和AI模型预测股票年底的目标价,讨论如何从“Man VS AI”到“Man + AI”。 有趣的是,当作者把分析师的预测加入到AI模型中时(Man+AI),AI模型打败分析师的比率从原先的53.7%上升到了57.3%,并且在所有的年份都优于原先的AI模型。 下图2,给出了AI+Man打败分析师的比率(AI+Man的模型是指把分析师的预测数据也作为一个指标加入到AI模型中),与图1不加分析师预测的AI模型相比,特别是在2008-2010年,AI+Man的模型打败分析师的比率有了明显的提高 AI+Man的效果不仅比分析师要,比原先不加分析师预测的AI模型也要好,而且从下图可以看出,AI+Man比纯AI的领先优势在逐年递增,说明分析师的预测数据对于AI的帮助越来越大,也从侧面说明,得力于AI

    1.6K30发布于 2021-07-29
领券