“ 搭建私人定制化AI知识库！详解如何使用云计算资源，部署ChatGLM和LangChain模型，打造专属智能问答工具。”

最近英伟达推出了名为 NVIDIA NGC Catalog 的服务，为开发者提供了AI模型及其对应的调用SDK。

AMD一直在努力弥合由Nvidia的CUDA主导地位所造成的差距，特别是在针对PyTorch等AI项目方面。同时，众多工具也纷纷加入这一行列，共同挑战Nvidi...

今天分享的内容是 KubeSphere 最佳实战「2024」 系列文档中的 KubeSphere 最佳实战：探索 Kubernetes GPU 资源的管理，在 ...

Stable-diffusion-webui 是一个支持 Stable Diffusion 的交互界面应用，支持以下多种功能：文生图、图生图、图像修复/扩展、彩...

机密计算通过在基于硬件的经验证的受信任执行环境中执行计算来保护正在使用的数据。这些安全且隔离的环境可以防止未经授权访问或修改使用中的应用程序和数据，从而提高管理...

云行业进入了生成式 AI 时代，除模型算法外，头部企业纷纷将大量精力投入到解决算力和互联问题上。然而，如果没有网络支持，计算的篇章就无法开启。

向量搜索是一个非常典型计算密集型的场景。作为世界上最快的向量数据库，Milvus的向量检索引擎Knowhere占用了超过整个系统80%的计算资源。而当我们谈论到...

GPU 的使用被证明并非完全是 Docker 和 WebAssembly 的障碍，而是一个速度障碍。

当前，提到深度学习，我们很自然地会想到利用GPU来提升运算效率。GPU最初是为了加速图像渲染和2D、3D图形处理而设计的。但它们强大的并行处理能力，使得它们在深...

1. 系统已经安装好GPU驱动，CUDA，这里使用腾讯云自动安装驱动来安装GPU驱动和CUDA

3、看图就知道，密集的GPU运算，导致GPU温度达到限制了。高温限制是会影响性能的。

简单来说，核绑，或者叫亲和力，就是将某个GPU与指定CPU核心进行绑定，从而尽可能提高效率。

需要用到cuda_samples：GitHub - NVIDIA/cuda-samples

哈佛结构 : 程序指令 和 数据 分开存储在 两个独立的 存储空间中 , 每个存储器都 独立编址 、独立访问 , 这是一种 并行体系结构 ;

在进行模型推理时，需要考虑如何有效地利用和管理GPU显存。以下总结了常用的节省显存的方法。

王小川在去年 4 月份宣布成立“百川智能”的两个月后，就迅速对外推出了 70 亿参数量的中英文预训练大模型 Baichuan 7B。一年多后的今天，百川智能已经...

在我们继续将 AI 研究和开发的重点放在解决一系列日益复杂的问题上时，我们经历的最重大和最具挑战性的转变之一是训练大型语言模型（LLM）所需的巨大计算规模。

处理器在处理数据的过程中，有时会需要访问其他数据，访问这些数据需要花费一定的时间，此时处理器会处于停滞状态等待数据的返回。而等待的这段时间称之为延迟。

目标检测是指在图像或视频帧内识别和定位物体的任务。定向目标检测具体涉及检测具有定义方向或旋转的物体，例如检测具有不同角度的车辆或检测自然场景中具有不同方...