Transformers

2024年 1月 29日

使用全卷积网络在 Transformer 模型中模拟注意力机制

在过去十年中，深度学习技术在计算机视觉 (CV) 任务中的应用大幅增加。卷积神经网络 (CNN) 一直是这场革命的基石，展示了卓越的性能，
3 MIN READ
2023年 11月 17日

掌握 LLM 技术：推理优化

通过堆叠 Transformer 层来创建大型模型，可以提高准确性、实现少量学习功能，并且在各种语言任务中实现近乎人类的性能。
4 MIN READ
2023年 7月 25日

使用 Vision Transformers 和 NVIDIA TAO 提高视觉 AI 应用程序的准确性和稳健性

视觉转换器（ ViT ）正在掀起计算机视觉的风暴，为具有挑战性的现实世界场景提供了令人难以置信的准确性、强大的解决方案，并提高了可推广性。
2 MIN READ
2023年 5月 15日

使用 Alpa 和 Ray 在大型 GPU 集群中高效扩展 LLM 训练

近年来，大型语言模型（ LLM ）的数量激增，它们超越了传统的语言任务，扩展到生成式人工智能这包括像 ChatGPT 和 Stable…
4 MIN READ
2023年 2月 1日

NVIDIA Hopper GPU 上的新 cuBLAS 12.0 功能和矩阵乘法性能

NVIDIA H100 TensorCore GPU 基于 NVIDIA Hopper 架构 和第四代 NVIDIA Tensor…
5 MIN READ
2022年 9月 12日

结合卷积和注意机制改进日语 ASR

自动语音识别（ ASR ）研究通常侧重于高资源语言，如英语，它由数十万小时的语音支持。最近的文献重新关注更复杂的语言，如日语。
1 MIN READ
2022年 8月 3日

使用 FasterTransformer 和 Triton 推理服务器加速大型 Transformer 模型的推理

这是讨论 NVIDIA FasterTransformer 库的两部分系列的第一部分，
3 MIN READ
2022年 8月 3日

使用 FasterTransformer 和 Triton 推理服务器部署 GPT-J 和 T5

这是关于 NVIDIA 工具的两部分系列的第二部分，这些工具允许您运行大型Transformer模型以加速推理。
5 MIN READ
2022年 7月 27日

为医疗保健开发 NLP 应用程序

自然语言处理（ NLP ）可以定义为人工智能（ AI ）、计算机科学和计算语言学的结合，以理解人类交流并从非结构化口语或书面材料中提取意义。
1 MIN READ
2022年 7月 12日

采用 P-Tuning 解决非英语下游任务

随着对预训练大型语言模型（ LLM ）权重访问需求的增加，围绕 LLM 共享的环境正在发生变化。最近，
3 MIN READ
2022年 6月 28日

Transformers4Rec ：使用 NVIDIA Merlin 库构建基于会话的建议

推荐系统可以帮助您发现新产品并做出明智的决策。然而，在许多依赖于推荐的领域，如电子商务、新闻和流媒体服务，用户可能无法跟踪，
3 MIN READ
2022年 6月 22日

新型 transformer 模型实现了 3D 医学图像分析的最新基准

在计算机视觉和模式识别会议（ CVPR ）上， NVIDIA 研究人员发表了 35 多篇论文。
2 MIN READ
2022年 5月 12日

使用 Transformers 生成合成数据：企业数据挑战的解决方案

大数据、新算法和快速计算是使现代 AI 革命成为可能的三个主要因素。然而，数据给企业带来了许多挑战：数据标记困难、数据治理效率低下、
2 MIN READ
2021年 11月 9日

使用 NVIDIA Clara Holoscan 加速放射和放射治疗的多器官渲染

观看 NVIDIA 创始人兼首席执行官 Jensen Huang’s GTC keynote address11 月 9 日和重播时播放。
5 MIN READ