写点什么

推理

0 人感兴趣 · 12 次引用

  • 最新
  • 推荐
https://static001.geekbang.org/infoq/89/89c3cadd99e4e4ab32a745ec708187b1.jpeg?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

喜马拉雅基于 DeepRec 构建 AI 平台实践

快速落地大模型训练和推理能力,带来业务指标和后续算法优化空间的显著提升。

DeepRec 大规模稀疏模型训练推理引擎

本文将以下三个方面展开介绍: DeepRec背景(我们为什么要做DeepRec) DeepRec功能(设计动机和实现) DeepRec社区(最新发布的2206版本主要功能)

https://static001.geekbang.org/infoq/2d/2d0ec85625e5ba190d1e7ecec0d9ee9a.png?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

基于 Caffe ResNet-50 网络实现图片分类(仅推理)的实验复现

本实验主要是以基于Caffe ResNet-50网络实现图片分类(仅推理)为例,学习如何在已经具备预训练模型的情况下,将该模型部署到昇腾AI处理器上进行推理。

跟我读 CVPR 2022 论文:基于场景文字知识挖掘的细粒度图像识别算法

本文通过场景文字从人类知识库(Wikipedia)中挖掘其背后丰富的上下文语义信息,并结合视觉信息来共同推理图像内容。

https://static001.geekbang.org/infoq/db/db7f268dea49d4b0361ddeee488627d6.jpeg?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

管理中的推理事件随笔

最近我在处理一单“操作风险”事件,在贵行内所有涉及造成行内实际损失,客户或者用户影响的生产事件,都会让相关条线的副总首先自己审查事件,做初步决定是否上报操作风险事件。如果最后判断,上报操风事件的话,那么整个材料就要定义责任人,基于影

保姆级带你深入阅读 NAS-BERT

​​摘要:本文用权重共享的one-shot的NAS方式对BERT做NAS搜索。

初学者入门知识图谱必看的能力:推理

​​​​​​​​​​​​​​​​摘要:本文从知识推理的基本概念出发,通俗易懂得介绍了知识图谱知识推理的应用和方法。

基于 Jena 的知识推理

​​​​​​​​​​摘要:本文介绍了Jena的推理子系统,并构建了一个简单的RDF图。基于该RDF图,我们搭建了一个Jena推理引擎,并进行自动化推理。

https://static001.geekbang.org/infoq/4f/4f94d4338b7cc351828bc14e618d38ae.jpeg?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

丰富 TF Serving 生态,爱奇艺开源灵活高性能的推理系统 XGBoost Serving

本文将详细介绍项目开发背景、系统实践、系统特性和架构及实现等内容。

手把手教你在 Modelarts 平台上进行视频推理

​​摘要:为了方便小伙伴们进行视频场景的AI应用开发,Modelarts推理平台将视频推理场景中一些通用的流程抽取出来预置在基础镜像中,小伙伴们只需要简单地编写预处理及后处理脚本,便可以像开发图片类型的AI服务一样开发视频类型的AI服务了。

https://static001.geekbang.org/infoq/49/491d6f28a9f2ec6fc38d54d81371451d.png?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

人理解迭代,神则体会递归,从电影艺术到 Python 代码实现神的逆向思维模式

“从来如此,便对么?”,鲁迅先生在《狂人日记》中借狂人之口在月光下发出的质疑与呐喊,是的,从来如此,一般人的思维模式就是从来如此,以高数为例子,我们大抵都是先从数分、线代、解几去学泛函、抽代、拓扑等,其实就是按照标准路子来,这样做理论上可以

想学 AI 开发很简单:只要你会复制粘贴

摘要:本次实践基于 mobilenetV2 实现猫狗图像分类,贯穿了数据集获取及处理、预训练模型微调及迁移、端侧部署及推理等环节和知识点,体会到了 MindSpore 简单的开发体验和全场景快速部署的魅力。

推理_推理技术文章_InfoQ写作社区