摩尔线程-为美好世界加速

已于 2024-07-19 18:03:22 修改
阅读量200 收藏
点赞数 3
文章标签： gpu算力 人工智能 图形渲染 视频编解码 智能硬件 自然语言处理
于 2024-04-20 01:50:27 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_55064320/article/details/137983208
版权

 更多内容请访问摩尔线程博客中心

摩尔线程成立于2020年10月，以全功能GPU为核心，致力于向全球提供加速计算的基础设施和一站式解决方案，为各行各业的数智化转型提供强大的AI计算支持。

我们的目标是成为具备国际竞争力的GPU领军企业，为融合人工智能和数字孪生的数智世界打造先进的加速计算平台。

我们的愿景是为美好世界加速。

摩尔线程
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
博客
摩尔线程正式开源音频理解大模型MooER
08-25 649
对比结果显示，我们的开源模型MooER-5K在六个中文测试集上的CER（字错误率）达到4.21%，在六个英文测试集的WER（词错误率）为17.98%，与其它开源模型相比，MooER-5K的效果更优或几乎持平。摩尔线程AI团队在该工作中开源了推理代码和5000小时数据训练的模型，并计划进一步开源训练代码和基于8万小时数据训练的模型，希望该工作能够在语音大模型的方法演进和技术落地方面为社区做出贡献。我们发现，在模型训练过程中采用LoRA技术对LLM参数进行更新，可以使训练更快收敛，并且最终取得更好的效果。
博客
AI for Science-人工智能驱动的科学研究
08-25 1052
​AI for science（AI4S, 人工智能在科学中的应用）是指利用人工智能技术解决科学研究中复杂问题和挑战的新兴领域。随着计算能力的快速增长和机器学习算法的进步，AI在各个科学领域的应用日益广泛，从基础研究到应用开发都在推动科学的前沿。2006年：Geoffrey Hinton等研究人员发表了关于深度神经网络的论文，标志着深度学习在机器学习中的复兴。这一技术重新引起了对多层神经网络的兴趣，并为未来的进展奠定了基础。
博客
Physical AI-物理AI
08-25 397
在强化学习的范式当中，智能体(Agent)，就像人类学习一样，不断的与环境进行交互，从而改进自身的策略，以期最大化获得的奖励（Reward）。“Physics”有两个方面的含义，一方面，它指的是视觉上符合物理规律的表现，即采用基于物理的渲染技术（PBR）；对于物理环境真实感的模拟，结合GPU并行的特征，为AI的学习创造了快速学习的环境。物理驱动的仿真环境能够满足这些多样化的需求，只需定义场景，物理和渲染引擎模拟的传感器就能捕获相应的数据。而空间智能，则是从2D图像的智能，提升到3D空间当中。
博客
使用 Moore Perf System 进行程序性能分析及优化
08-25 821
Moore Perf System 提供可视化界面，在时间轴上按时间顺序显示 CPU 和 GPU 的事件、吞吐和性能指标，帮助开发人员方便、快速、准确的定位到系统级别的性能瓶颈，进而进行针对性分析和优化，使程序性能满足需求。
博客
MUSA移植案例系列 - 分子动力学模拟应用GROMACS
06-25 875
Gromacs 是一款用于模拟生物大分子的软件，其核心是一个高效的分子动力学模拟程序。Gromacs 通过使用 GPU 加速来提高计算效率，目前 Gromacs 的 GPU 加速功能已经支持 NVIDIA、AMD 的 GPU 以及能够运行 OpenCL 程序的设备。为了让 Gromacs 能够在 MUSA 平台上运行，我们需要将 Gromacs 移植到 MUSA 平台上，从而实现利用 MUSA 平台的高性能计算资源来加速 Gromacs 计算的目的。
博客
使用musify对代码进行平台迁移
05-30 1579
本文介绍了musify的设计意图，使用方法和当前的缺陷。可能有不少读者也意识到如果没有其他不同版本需要加以区分，单纯因为使用了文本匹配就将工具叫做musify-text是不充分的；事实上，介于语法分析过重，文本匹配不够智能，目前存在一个后续计划是引入词法分析进行一定的代码分析识别，准备使用musify-lexer作为命令名称。
博客
使用cmake构建MUSA工程
05-26 583
MUSA沿用了Modules的方式，也提供了相似的cmake模块供使用。保留了和CUDA几乎完全一致的使用方式，以达到用户尽可能方便地构建MUSA工程。这个兼容性也能带来快速迁移CUDA项目的便捷。在做项目迁移时，若项目使用cmake工具构建，则绝大多数情况下可以仅做文本替换，将CMakelist.txt中的CUDA替换成MUSA，CU前缀替换成MU前缀。
博客
MUSA 硬件架构与 GPU 并行程序基础
05-07 2910
1.引言 近几年来，AI技术和GPU等算力硬件相辅相成相互促进地迅猛发展。如今AI技术的应用已经在生活中随处可见，让人们开始意识到元宇宙的概念不是遥不可及。元宇宙这个大目标框架下，AI技术还有非常广阔的发展空间。为了支撑该技术，以GPU为首的算力底座硬件也在不断更新。摩尔线程GPU（Moore Threads GPU,简称MTGPU）作为全功能GPU，拥有图形显示和计算这构筑元宇宙的两大功能，为了实现这一点摩尔线程设计出元宇宙统一系统架构（Metaverse Unified System Ar
博客
MUSA Event 相关接口使用
05-07 829
B进程收到handle后，可以通过musaIpcOpenEventHandle打开对应的event，如果一切顺利，你就可以在进程B中操作这个event了，比如可以做前面讲到的同步某个stream、query event状态，不过需要注意的是，如果你使用了IPC类型的event，就无法通过这个event获取时间戳了。当我们使用musa的multiple stream时，如果需要同步不同的stream，我们可以选择使用event来做为同步点，依托摩尔线程GPU，使用户更简单高效发挥出GPU的算力。
博客
基于 huggingface 模型分布式训练场景的 MUSA 应用移植
05-07 1995
随着大模型的兴起，许多知名的开源模型（例如gpt，chatglm，llama，mistral等）都将预训练好的model放到了huggingface上，然后通过几行很简单的代码就能调用并进行训练或推理任务。需要注意的是，由于MUSA里随机数的生成机制与CUDA不同，模型里dropout层的输出有较大差异。其中--nproc_per_node表示训练的gpu卡数，--model_name_or_path表示想要训练哪种模型，–-batch_size指的单卡batch_size。占用显存/总显存(GB)
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值