/
并行计算 关键字列表
CUDA vs OpenCL：GPU 编程模型该如何选？
近年来，GPU（图形处理单元）已从最初的图形渲染专用硬件，发展成为高性能计算领域的“加速器”，为各类计算密集型任务提供了强大的并行计算能力。GPU 编程，即利用 GPU 的并行架构来加速应用程序的执行，已成为推动科学计算、人工智能、大数据等领域快速发展的重要驱动力。
关于 GPU ，你所应该了解的
Luga讨论了GPU在人工智能生态中的重要性，特别是在加速AI核心算力构建方面。GPU以其高度并行的架构，在深度学习等AI技术中展现出卓越性能。与CPU相比，GPU在处理图形渲染、机器学习、视频编辑等计算密集型任务时具有显著优势。GPU和CPU的协同工作提高了数据吞吐量和并发计算能力。GPU的应用场景包括专业可视化、机器学习、区块链和模拟技术等领域。
比OpenAI的Whisper快50%，最新开源语音模型
aiOla在Whisper的架构之上进行了修改采用了“多头注意力”机制的并行计算方法，允许模型在每个推理步骤中预测多个token，同时不会损失性能和识别准确率。
量子计算行业深度研究：人工智能与新质生产力的“未来引擎”
与传统计算相比，量子计算能够带来更强的并行计算能力和更低的能耗，同时量子计算的运算能力根据 量子比特数量指数级增长，在 AI 领域具有较大潜力。海外科技巨头带动量子计 算产业发展，IBM、微软、谷歌等公司先后发布量子计算路线图，与此同时，国内量子计算产业与海外科技巨头差距不断缩小，2024 年 1 月 16 日我国第三代 自主超导量子计算机“本源悟空 ”上线运行可以一次性下发、执行 200 个量子线路的计算任务，比国际同类量子计算机具有更大的速度优势。
2020-06-10
群雄争霸 “先导杯”并行计算应用大奖赛五月榜单揭晓
经过两个多月的激烈鏖战，日前，中国科学院“先导杯”并行计算应用大奖赛组委会正式揭晓五月榜单，并对本赛段各个赛道前三名团队及个人，颁发个性大奖。
白皮书
京公网安备 11010802021500号
