Веховая работа AlexNet 2012 года опиралась на низкоуровневую GPU-инженерию (cuda-convnet) и разделённую архитектуру на двух GPU и напрямую запустила быструю гонку за более глубокими и эффективными моделями компьютерного
С 2015 года по сегодняшний день глубокое обучение прошло путь от настраиваемого вручную GPU-кода на C++ и свёрточных сетей до аппаратно ускоряемых матричных движков и архитектур Transformer. Эти три вехи определяют, как
Современные Transformer опираются на матричную математику самовнимания, высокоуровневые GPU-компиляторы вроде Triton и учитывающие память CUDA-ядра вроде FlashAttention, чтобы обрабатывать огромные последовательности ток
CUDA (Compute Unified Device Architecture) — это платформа параллельных вычислений и модель программирования NVIDIA, которая позволяет фреймворкам глубокого обучения выполнять тяжёлые математические вычисления на GPU. Ра
Исследователи ИИ начали осознавать огромное преимущество CUDA в производительности для нейронных сетей в период с 2006 по 2009 год, а окончательный массовый прорыв произошёл в 2012 году. До этого сдвига нейронные сети по
В 2012 году прорыв AlexNet доказал, что глубокие нейронные сети в сочетании с GPU с поддержкой CUDA могут превзойти десятилетия традиционной инженерии компьютерного зрения. На соревновании ImageNet Large Scale Visual Rec
Life360 открыла свою платформу Family Intelligence для сторонних помощников с искусственным интеллектом, что позволяет подключенным агентам запрашиват