Ta上传的资源 (0)

随着AI技术越来越成熟，AI计算面临着三大变革：计算模式逐步从实验验证阶段进入应用生产阶段、计算规模逐步从单机计算到GPU集群计算、计算架构逐步从CPU计算到大规模GPU云计算。AI计算系统将面临计算平台优化设计、复杂异构环境下计算效率、计算框架的高度并行与扩展、AI应用计算性能等挑战。应对上述挑战

无论是业余爱好者还是专业的机器人开发人员，在开始进行机器人系统及程序设计时，首先要面对的问题都是基本的如何驱动机器人的轮子的设计。ROS通过软件代码复用集成了众多已经开发完成的功能组件。本书专门帮助读者从对ROS一无所知到能够通过ROS系统完成小型机器人系统的开发和编程工作。本书提供了各种实际的示例

NVIDIAGPU基础开发工具的最新特性介绍。具体包括：GPU开发工具CUDAv10.0最新特性；深度神经网络GPU加速库cuDNNv7.3最新特性；GPU集合通信库NCCLv2.3最新特性。

无论是业余爱好者还是专业的机器人开发人员，在开始进行机器人系统及程序设计时，首先要面对的问题都是基本的如何驱动机器人的轮子的设计。ROS通过软件代码复用集成了众多已经开发完成的功能组件。本书专门帮助读者从对ROS一无所知到能够通过ROS系统完成小型机器人系统的开发和编程工作。本书提供了各种实际的示例

随着 AI 技术越来越成熟，AI 计算面临着三大变革：计算模式逐步从实验验证阶段进入应用生产阶段、计算规模逐步从单机计算到 GPU 集群计算、计算架构逐步从 CPU 计算到大规模 GPU 云计算。AI计算系统将面临计算平台优化设计、复杂异构环境下计算效率、计算框架的高度并行与扩展、AI 应用计算性能

通过结合容器化私有云平台与异构计算技术，可以良好的解决当前 AI 市场中的几个突出痛点。曙光凭借在高性能计算领域深厚的技术积累，推出了面向 AI 的高性能计算平台 SothisAI，实现了从异构计算服务器到容器化资源调度再到深度学习框架的云平台整体架构建设。不论是在科学研究还是工程应用领域，曙光都在

TensorRT 是 NVIDIA 推出的专门加速深度学习推理的开发工具。利用 TensorRT， 您可以快速、高效地在 GPU 上部署基于深度学习的应用。 我们首先会介绍 TensorRT 的基本功能和用法，例如它的优化技巧和低精度加速。其次， 结合我们实际使用过程中的经验，详细介绍 Tensor

强化学习精要 核心算法与TensorFlow实现 《强化学习精要：核心算法与TensorFlow 实现》用通俗幽默的语言深入浅出地介绍了强化学习的基本算法与代码实现，为读者构建了一个完整的强化学习知识体系，同时介绍了这些算法的具体实现方式。从基本的马尔可夫决策过程，到各种复杂的强化学习算法，读者都可

《GAN：实战生成对抗网络》介绍深度学习领域一个十分活跃的分支——生成对抗网络（GAN）。《GAN：实战生成对抗网络》中覆盖了深度学习的基础、对抗网络背后的原理以及构建方式等内容。同时《GAN：实战生成对抗网络》还介绍了多个真实世界中使用对抗网络构建智能应用的案例并提供了具体的代码以及部署方法，旨在