机器学习
文章平均质量分 83
普通网友
这个作者很懒,什么都没留下…
展开
-
SLAM中相机与图像
SLAM中相机与图像Image Enhancement for SLAM 在使用Semi-direct Method跑Euroc Dataset的v103数据时,发现效果很不好。导致错误的主要的原因有:图片太暗,对比度太低;图片亮度变化很大(不限于帧间,左右目有时候也会出现亮度不一致的情况)。于是,需要对输入图像进行预处理,提高图片的对比度,并且使得进行跟踪的两张图片亮度一致。 对于提高图片的对比度,最简单的方法是使用直方图均衡化。不过直方图均衡化有一些很明显的缺点,如变换后细节消失;不自然的过分增强。对原创 2022-03-10 20:34:00 · 254 阅读 · 0 评论 -
几何深度学习(Geometric Deep Learning)技术
几何深度学习(Geometric Deep Learning)技术几何深度学习综述从论文Geometric Deep Learning: Grids, Groups, Graphs, Geodesics, and Gauges,了解一下几何深度学习。https://geometricdeeplearning.com关于这个主题,研究者甚至建了一个网站。几何深度学习——Geometric Deep Learning几何深度学习,从对称性和不变性的角度,尝试对一大类机器学习问题进行统一。因此,几何原创 2022-03-10 05:55:40 · 1059 阅读 · 0 评论 -
面向物联网的可重构流式深度卷积神经网络加速器
面向物联网的可重构流式深度卷积神经网络加速器摘要卷积神经网络(CNN)在图像检测中具有显著的准确性。为了在物联网设备中使用CNN实现图像检测,提出了一种流媒体硬件加速器。建议的加速器通过避免不必要的数据移动来优化能效。利用独特的滤波器分解技术,加速器可以支持任意卷积窗口大小。此外,通过使用单独的池单元,最大池函数可以与卷积并行计算,从而提高吞吐量。台积电65nm技术实现了一个加速器原型,核心尺寸为5mm2。该加速器可以支持主要的CNN,并在350mW时实现152GOPS峰值吞吐量和434GOPS/W能效原创 2022-03-02 06:23:10 · 7000 阅读 · 0 评论 -
2021几何深度学习大师 Michael Bronstein长文解析
2021几何深度学习大师 Michael Bronstein长文解析导读:几何机器学习和基于图的机器学习是当前最热门的研究课题之一。在过去的一年中,该领域的研究发展迅猛。在本文中,几何深度学习先驱 Michael Bronstein 和 Petar Veličković 合作,采访了多位杰出的领域专家,总结了该领域过去一年中的研究亮点,并对该方向在 2022 年的发展趋势进行了展望。本文编译自https://towardsdatascience.com/predictions-and-hopes-fo原创 2022-02-13 06:44:24 · 522 阅读 · 0 评论 -
特斯拉超级计算机Dojo
特斯拉超级计算机Dojo!2021年8月15日,特斯拉官方发布海报,预热“特斯拉 AI 日”活动。官方表示,本次活动预计在北京时间8月20日上午9点举行,届时将“邀你见证人工智能的又一次革新”。在这张底色为黑色的海报上,一颗大规模芯片模组的结构图格外吸睛。此前,Dojo公开在推特上为“特斯拉AI日”打call,所以不少人猜测,该结构图展示的可能是特斯拉为超级计算机Dojo设计的专用芯片。早在2019年的Autonomous Day上,马斯克就提到过Dojo,称Dojo是能够利用海量视频数据,做无人监管标注原创 2022-02-10 05:47:29 · 1247 阅读 · 1 评论 -
NCHW与NHWC格式
NCHW与NHWC格式下图很好的描述了各种不同的格式。N代表数量, C代表channel,H代表高度,W代表宽度。NCHW其实代表的是[W H C N],第一个元素是000,第二个元素是沿着w方向的,即001,这样下去002 003,再接着呢就是沿着H方向,即004 005 006 007…这样到019后,沿C方向,轮到了020,之后021 022 …一直到319,然后再沿N方向。NHWC的话以此类推,代表的是[C W H N],第一个元素是000,第二个沿C方向,即020,040, 060…一直到原创 2022-02-09 16:16:38 · 1981 阅读 · 0 评论 -
国内外企业竞争AR HUD
国内外企业竞争AR HUD华为X红旗合作车型首曝:搭载华为AR HUD、智能座舱方案2021年4月18日,上海国际车展正式开放,华为也成了此次车展上的重要亮点之一。据相关报道显示,华为除了联手北汽刚刚推出了极狐阿尔法S之外,还有一款联合红旗打造的新车在上海车展亮相,有消息称这辆车是基于红旗EHS6车型打造。根据现场指示牌显示,这款红旗EHS6同样采用了华为HI解决方案,搭载了AR HUD、智能座舱方案。据悉,智能座舱是华为在车展前夕刚刚发布的智能化部件和解决方案,聚焦于计算平台、鸿蒙OS车机操作系原创 2021-05-07 05:42:31 · 851 阅读 · 1 评论 -
ONNX MLIR方法
ONNX MLIR方法MLIR中的开放式神经网络交换实现。Prerequisitesgcc >= 6.4libprotoc >= 3.11.0cmake >= 3.15.4在UNIX上安装MLIR首先,安装MLIR(作为LLVM-Project的一部分):git clone https://github.com/llvm/llvm-project.gitCheck out a specific branch that is known to work with ONNX原创 2021-04-21 06:10:05 · 743 阅读 · 0 评论 -
MLIR中间表示和编译器框架
MLIR中间表示和编译器框架TensorFlow生态系统包含许多在软件和硬件堆栈的多个级别上运行的编译器和优化器。作为TensorFlow的日常用户,使用不同类型的硬件(GPU,TPU,移动设备)时,此多级堆栈可能会表现为难以理解的编译器和运行时错误。TensorFlow可以通过多种不同方式运行:• 发送到TensorFlow执行程序,该执行程序调用手写的操作内核• 转换为XLA高级优化器表示形式(XLA HLO),后者又可以调用用于CPU或GPU的LLVM编译器,或者继续将XLA用于TPU。(或两原创 2021-04-21 05:52:17 · 430 阅读 · 0 评论 -
AIFramework基本概念整理
AIFramework基本概念整理本文介绍:• 对天元 MegEngine 框架中的 Tensor, Operator, GradManager 等基本概念有一定的了解;• 对深度学习中的前向传播、反向传播和参数更新的具体过程有更加清晰的认识;• 通过写代码训练一个线性回归模型,对上面提到的这些概念进行具体的实践,加深理解。请先运行下面的代码,检验环境中是否已经安装好 MegEngine(访问官网安装教程):[1]:import megengineprint(megengine.versio原创 2021-04-19 06:16:08 · 415 阅读 · 0 评论 -
AICompiler动态shape编译框架
AICompiler动态shape编译框架移动互联网的兴起,不仅产生了海量数据,也对人机交互有了新的定义。企业如何动态处理不同规格图片数据,如何更灵活处理不同长度的对话语料等等,提升企业运营效率,争取更多的商业机会和流量,成为众多企业探索的热门技术应用。近期,阿里云机器学习PAI团队全新上线一套Dynamic Shape Compiler框架,不仅作为AICompiler技术栈中原有的Static Shape Compiler框架的重要补充,更是增加了Compiler在企业级数据处理应用的无限可能,在提原创 2021-04-18 19:14:49 · 274 阅读 · 0 评论 -
深度学习编译与优化Deep Learning Compiler and Optimizer
深度学习编译与优化Deep Learning Compiler and Optimizer原创 2021-04-18 07:58:37 · 324 阅读 · 0 评论 -
NNVM Compiler,AI框架的开放式编译器
NNVM Compiler,AI框架的开放式编译器深度学习已变得无处不在且不可或缺。在多种平台(例如手机,GPU,IoT设备和专用加速器)上部署深度学习工作负载的需求不断增长。宣布了TVM堆栈,以弥合深度学习框架与面向性能或效率的硬件后端之间的鸿沟。TVM堆栈使为深度学习框架轻松构建端到端编译变得容易。拥有适用于所有框架的统一解决方案甚至会更好。威斯康星大学艾伦分校和AWS AI团队以及其他贡献者,宣布NNVM编译器的发布,NNVM编译器是一种开放式深度学习编译器,用于将前端框架工作负载直接编译到硬件后原创 2021-04-18 07:08:09 · 325 阅读 · 0 评论 -
Tengine AIFramework框架
Tengine AIFramework框架在开源大势下,以数据、算力、算法为三驾马车的人工智能实现了初级阶段的产业化落地。任何一个技术领域成熟的标志是从应用到平台的成功迭代,AI 也不例外,最终引导 AI 走向成熟的必将是软件平台。以史为鉴,回看过往 PC 时代,Windows 的普及,带来海量差异化业务应用的繁荣,迎来了互联网的快速发展;移动互联网时代,Android、iOS 二分天下,让移动应用开发者得以乘风破浪,千万级的 APP 充实了生活的各个场景,便捷愉悦的同时,业态升级随之而来。那么,在万亿原创 2021-04-18 06:32:00 · 260 阅读 · 0 评论 -
Tvm一些基本技术
Tvm一些基本技术一、总体流程:TVM的工作流程:首先,将网络表示成统一的表示形式(Intermediate Representation),并进行一些可重用的图优化;然后,利用不同的后端生成对应设备代码,如图1所示。 图1 tvm 工作流程首先,将不同的框架下的模型载入,并使用NNVM将模型转换成中间表示的计算图,并对图进行优化,如算子融合、减枝、图变换等;然后,TVM对张量运算进行优化,TVM将代码的调度和计算分开(计算:定义需要进行的运算,调度:具体如何原创 2021-04-17 06:20:28 · 523 阅读 · 0 评论 -
PyTorch 自动微分示例
PyTorch 自动微分示例autograd 包是 PyTorch 中所有神经网络的核心。首先简要地介绍,然后训练第一个神经网络。autograd 软件包为 Tensors 上的所有算子提供自动微分。这是一个由运行定义的框架,以代码运行方式定义后向传播,并且每次迭代都可以不同。从 tensor 和 gradients 来举一些例子。1、TENSORtorch.Tensor 是包的核心类。如果将其属性 .requires_grad 设置为 True,则会开始跟踪针对 tensor 的所有操作。完成计算后原创 2021-04-16 06:09:54 · 211 阅读 · 0 评论 -
Pass算子python 函数
Pass算子python 函数函数• 函数是代码的一种组织形式• 函数应该能完成一项特定的工作,而且一般一个函数只完成一项工作• 有些语言,分函数和过程两个概念,通俗解释是,有返回结果的是函数,无返回结果的叫过程,python不加以区分• 函数的使用o 函数使用需要先定义o 使用函数,俗称调用定义一个函数只是定义的话不会执行1. def关键字,后跟一个空格2. 函数名,自己定义,起名需要遵循便令命名规则,约定俗成,大驼峰命名只给类用3. 后面括号和冒号不能省,括号内可以有参数4.转载 2021-04-12 05:21:47 · 311 阅读 · 0 评论 -
人工智能信息图
人工智能信息图人工智能正在改变每一个行业,但是许多公司正在开始新业务。没有IT主导战略的旅程。结果就是创新的筒仓,无法有效扩展。正确的人工智能基础设施战略吸引人才,整合资源,以及推动创新。大规模人工智能对数据中心提出了前所未有的要求。公司的业务转型与机器和深度学习,需要针对AI的独特需求进行优化的基础设施。已经建立了世界上最先进的人工智能基础设施。称之为代表了在设计和部署方面所学到的一切,全球最大数据中心的可扩展人工智能。可伸缩人工智能在NVIDIA,基于NVIDIA DGX的IT基础设施是原创 2021-04-11 06:28:10 · 191 阅读 · 0 评论 -
NVIDIA DGX SUPERPOD 企业解决方案
NVIDIA DGX SUPERPOD 企业解决方案实现大规模 AI 创新的捷径NVIDIA DGX SuperPOD™ 企业解决方案是业界首个支持任何组织大规模实施 AI 的基础架构解决方案。这一全套解决方案基于 NVIDIA DGX SuperPOD 参考架构搭建,专门面向需要快速实现 AI 创新的企业而设计,为企业提供了可快速部署的行业领先基础架构,并由完整的端到端服务和生命周期服务提供支持,而这一切均由 NVIDIA 作为强大后盾。 NVIDIA DGX SuperPOD 企业解决方案可在短短几原创 2021-04-11 05:45:04 · 621 阅读 · 1 评论 -
CUDA 11功能清单
CUDA 11功能清单基于NVIDIA Ampere GPU架构的新型NVIDIA A100 GPU在加速计算方面实现了最大的飞跃。A100 GPU具有革命性的硬件功能,CUDA 11与A100一起发布。CUDA 11能够利用新的硬件功能来加速HPC,基因组学,5G,渲染,深度学习,数据分析,数据科学,机器人技术以及更多不同的工作负载。CUDA 11包含了所有功能-从平台系统软件到入门和开发GPU加速的应用程序所需的一切。本文概述了此版本中的主要软件功能:• 支持NVIDIA Ampere GPU原创 2021-04-10 16:44:14 · 1175 阅读 · 0 评论 -
TensorFlow用法
TensorFlow用法什么是TensorFlowTensorFlow是一个开源软件库,用于使用数据流图进行数值计算。图中的节点表示数学运算,而图的边缘表示流动的多维数据数组(张量)。这种灵活的体系结构可以将计算部署到台式机,服务器或移动设备中的一个或多个CPU或GPU上,而无需重写代码。TensorFlow最初由Google机器智能研究组织内Google Brain团队的研究人员和工程师开发,目的是进行机器学习和深度神经网络研究。该系统足够通用,也可以应用于其他各种领域。运行TensorFlow原创 2021-04-10 06:16:33 · 248 阅读 · 0 评论 -
Mobileye独创性创新
Mobileye独创性创新尽管存在相似之处,但Nvidia的SFF无法与Mobileye的RSS相匹配,后者是领先的AV安全模型迈向无人驾驶的未来,Mobileye继续以新的创新引领行业,不仅将使全自动驾驶汽车(AVs)成为可能,而且还将使人类驾驶的汽车比以往任何时候都更安全。多年来,取得了许多行业首创:2007年实现了摄像头和雷达融合,2010年实现了行人检测警告,2011年实现了仅摄像头向前碰撞警告,2013年实现了纯摄像头自动巡航控制,2015年的免提协助,2016年的众包高清映射,2017年的责原创 2021-04-09 06:14:28 · 380 阅读 · 0 评论 -
EyeQ进展The Evolution of EyeQ
EyeQ进展The Evolution of EyeQMobileye’s proven leadership in ADAS technologies is based in our EyeQ® family system-on-chip (SoC) devices. More than 27 car manufacturers have chosen the EyeQ for their assisted-driving technologies based on its ability to sup原创 2021-04-09 05:44:58 · 488 阅读 · 0 评论 -
Mobileye高级驾驶辅助系统(ADAS)
Mobileye高级驾驶辅助系统(ADAS)Mobileye is the global leader in the development of vision technology for Advanced Driver Assistance Systems (ADAS) and autonomous driving.We have over 1,700 employees continuing our two-decade tradition of developing state-of-the-a原创 2021-04-08 06:15:44 · 1306 阅读 · 0 评论 -
台积电5nm光刻技术
台积电5nm光刻技术在IEEE IEDM会议上,台积电发表了一篇论文,概述了其5nm工艺的初步成果。对于目前使用N7或N7P工艺的客户来说,下一步将会采用此工艺,因为这两种工艺共享了一些设计规则。新的5nm制程使用了台积电的第五代FinFET技术,在7纳米基础上提供一个完整的工艺节点,并使用EUV极紫外光刻技术扩展到10多个光刻层,与7纳米相比减少了生产总步骤。关键数字如果只是来了解关键数字的,那答案就在这里。台积电表示,5nm EUV工艺使得晶体管密度增加到大致1.84倍,能效提升15%,功耗减少原创 2021-03-17 06:02:00 · 1276 阅读 · 0 评论 -
Halide应用开发
Halide应用开发基本原理1.1、介绍随着人工智能的普及,深度学习网络的不断涌现,为了让各硬件(CPU, GPU, NPU,…)能够支持深度学习应用,各硬件芯片需要软件库去支持高性能的深度学习张量运算。目前,这些高性能计算库主要由资深HPC工程师(高性能计算优化工程师)进行开发,为了加快开发进程,缩短深度学习应用落地周期,自动化算子优化是一个趋势。AutoKernel是由OPEN AI LAB提出的高性能算子自动优化工具,可以自动优化调度策略、生成底层优化代码,大幅减少各硬件芯片算子开发成本原创 2021-03-16 06:11:56 · 375 阅读 · 0 评论 -
Octave Convolution卷积
Octave Convolution卷积MXNet implementation 实现for:Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave ConvolutionImageNetAblation• Loss: Softmax• Learning rate: Cosine (warm-up: 5 epochs, lr: 0.4)• MXNet API: Symbol原创 2021-03-15 06:08:42 · 396 阅读 · 0 评论 -
Deformable 可变形的DETR
Deformable 可变形的DETRThis repository is an official implementation of the paper Deformable DETR: Deformable Transformers for End-to-End Object Detection.该存储库是论文《可变形DETR:用于端到端对象检测的可变形变压器》的正式实现。https://github.com/fundamentalvision/deformable-detrIntroducti原创 2021-03-15 05:56:29 · 1775 阅读 · 0 评论 -
在NVIDIA(CUDA,CUBLAS)和Intel MKL上快速实现BERT推理
在NVIDIA(CUDA,CUBLAS)和Intel MKL上快速实现BERT推理直接在NVIDIA(CUDA,CUBLAS)或Intel MKL上进行高度定制和优化的BERT推理,而无需tensorflow及其框架开销。仅支持BERT(转换器)。基准测试环境• Tesla P4• 28 * Intel® Xeon® CPU E5-2680 v4 @ 2.40GHz• Debian GNU/Linux 8 (jessie)• gcc (Debian 4.9.2-10+deb8u1) 4.9.原创 2020-12-27 05:53:21 · 757 阅读 · 0 评论 -
nvGraph-NVIDIA图形库
nvGraph-NVIDIA图形库数据分析是高性能计算的不断增长的应用。许多高级数据分析问题可以称为图形问题。反过来,当今许多常见的图形问题也可以称为稀疏线性代数。这是nvGraph的动机,它利用GPU的线性代数功能来处理大型图形分析。https://github.com/rapidsai/nvgraph该存储库包含NVIDIA CUDA Toolkit中的旧版nvGraph。目的是为CUDA Toolkit停止发布nvGraph的用户提供一种继续使用nvGraph的方法。尽管仍然接受错误报告,但并未原创 2020-12-27 05:53:10 · 670 阅读 · 0 评论 -
MIT Graph实践概述
MIT Graph实践概述Features功能• iCloud Support• Multi Local & Cloud Graphs• Thread Safe• Store Any Data Type, Including Binary Data• Relationship Modeling• Action Modeling For Analytics• Model With Graph Theory and Set Theory• Asynchronous /原创 2020-12-27 05:52:56 · 289 阅读 · 2 评论 -
CodeGen字段循环Field Loop
CodeGen字段循环Field Loop字段循环是一个模板文件构造,它允许迭代CodeGen拥有的有关字段的集合。这些字段定义可以来自以下两个位置之一:•如果基于从存储库结构中获取的信息生成代码,则字段集合将基于存储库结构中定义的字段。•如果根据UI Toolkit输入窗口(在窗口脚本文件中定义)的定义生成代码,则字段集合由该输入窗口中定义的字段确定。当然,这些字段可能反过来引用存储库结构。•如果基于从Synergy方法目录中获取的信息生成代码,并且当前正在处理一个结构参数,则字段集合将基于与当前原创 2020-12-15 06:26:14 · 213 阅读 · 0 评论 -
CodeGen概述
CodeGen概述CodeGen是在协同开发环境中工作的软件开发人员可以用来生成源代码的工具。该代码可能是Synergy DBL代码,也可能是其他语言的源代码。CodeGen并不局限于为任何特定的开发环境或编程语言生成代码。当然,你不能仅仅使用CodeGen生成任何你能想象得到的源代码。在生成代码之前,开发人员必须声明定义如何创建给定源代码的规则。这些规则在模板文件中定义。CodeGen解释开发人员在模板文件中定义的代码和指令,以便生成有用的输出。不过,在模板文件中定义规则只是故事的一部分。为了真正有原创 2020-12-15 06:08:01 · 3710 阅读 · 0 评论 -
算子扫描与递归核
算子扫描与递归核这是关于如何在TVM中进行循环计算的介绍资料。递归计算是神经网络的一种典型模式。from future import absolute_import, print_functionimport tvmimport tvm.testingfrom tvm import teimport numpy as npTVM支持扫描运算符来描述符号循环。下面的扫描操作计算X列上的累计值。 扫描在张量的最高维上进行。s_state是一个占位符,用于描述扫描的转换状态原创 2020-12-14 10:58:39 · 225 阅读 · 0 评论 -
算子本质与数学函数
算子本质与数学函数TVM支持基本的算术运算。在许多情况下,通常需要更复杂的内置函数。例如exp取函数的指数。这些函数依赖于目标系统,可能具有不同目标平台的不同名称。本文将学习如何调用这些特定于目标的函数,以及如何通过tvm的内在API统一接口。from future import absolute_import, print_functionimport tvmfrom tvm import teimport numpy as npDirect Declare Extern Math Call原创 2020-12-14 10:38:01 · 570 阅读 · 0 评论 -
TVM中的调度原语
TVM中的调度原语TVM是一种用于高效内核构造的领域专用语言。本文将展示如何通过TVM提供的各种原语来调度计算。from future import absolute_import, print_functionimport tvmfrom tvm import teimport numpy as np通常存在多种方法来计算相同的结果,但是不同的方法会导致不同的局部性和性能。因此TVM要求用户提供如何执行称为Schedule的计算。调度是一组计算转换,它转换程序中的计算循环。declare原创 2020-12-14 10:13:10 · 622 阅读 · 0 评论 -
ARM-CPU卷积网络的自动调谐
ARM-CPU卷积网络的自动调谐为特定的ARM设备自动调谐对于获得最佳性能至关重要。这是一个关于如何调整整个卷积网络的资料。以模板的形式编写了TVM中ARM CPU的操作实现。模板有许多可调旋钮(平铺系数、矢量化、展开等)。将调整神经网络中的所有卷积和深度卷积算子。在调优之后,生成一个日志文件,其中存储了所有所需操作符的最佳旋钮值。当TVM编译器编译这些运算符时,它将查询此日志文件以获得最佳的旋钮值。还发布了一些arm设备的预调参数。可以转到arm cpu基准测试来查看结果。本文不会在Windows原创 2020-12-14 08:49:28 · 337 阅读 · 0 评论 -
用Auto-TensorCore代码生成优化matmul
用Auto-TensorCore代码生成优化matmul将演示如何使用TVM Auto TensorCore CodeGen在Volta/Turing GPU上编写高性能matmul调度。这是一个透明的解决方案,可以生成大多数在ir过程中完成的转换的tensorcore内核。用户还可以编写带有tensorize的调度来生成TensorCore代码。两个解决方案使用相同的tensorcore内部函数。有关详细信息,请参阅如何使用TensorCores优化卷积资料。 准备和算法支持原创 2020-12-14 06:38:47 · 569 阅读 · 1 评论 -
激光雷达基础-光探测和测距-遥感
激光雷达基础-光探测和测距-遥感激光雷达或光探测和测距是一个活跃的遥感系统,可以用来测量广泛地区的植被高度。本文将介绍激光雷达(或激光雷达)的基本概念,包括:什么是激光雷达数据。激光雷达数据的关键属性。如何使用激光雷达数据测量树木。激光雷达的历史。Key ConceptsWhy LiDAR科学家通常需要描述大区域的植被特征,以回答生态系统或区域尺度上的研究问题。因此,需要能够估计大面积关键特征的工具,因为没有足够的资源来测量每一棵树或灌木。传统的,实地测量树木的方法是资源密集型的,限制了可原创 2020-12-11 19:20:22 · 1358 阅读 · 0 评论 -
MLPerf Inference 0.7应用
MLPerf Inference 0.7应用三个趋势继续推动着人工智能推理市场的训练和推理:不断增长的数据集,日益复杂和多样化的网络,以及实时人工智能服务。 MLPerf 推断 0 . 7 是行业标准 AI 基准测试的最新版本,它解决了这三个趋势,为开发人员和组织提供了有用的数据,以便为数据中心和边缘的平台选择提供信息。基准测试扩展了推荐系统、语音识别和医学成像系统。它已经升级了自然语言处理( NLP )的工作负载,以进一步挑战测试中的系统。下表显示了当前的一组测试。有关这些工作负载的更多信息,请参阅原创 2020-12-07 08:39:58 · 622 阅读 · 0 评论