- 博客(785)
- 收藏
- 关注
RSS订阅原创 基于 Rokid CXR-S SDK 的智能提词器开发全解析——AI 应答辅助系统
在内容创作、直播及演讲场景中，“顺畅表达”往往比稿件内容本身更具决定性。传统提词器需要额外屏幕或设备，使用时不仅需要手动控制播放，还容易打断自然表达节奏。随着 Rokid AR 眼镜与 AI 大模型能力的成熟，我们终于可以把“提词器”这一工具沉入眼镜底层，让文本提示随用户视野自然跟随，让演讲体验真正进入免手持、低干扰的时代。
2025-11-28 14:54:43
935
原创 华为CANN算子开发全解析：从基础概念到高性能数据排布
在深度学习领域，算子（Operator，简称OP）是模型计算的基本单元。每一个算子承载了特定的数学运算逻辑，例如卷积（Convolution）、池化（Pooling）、归一化（Softmax）、激活函数（ReLU）等。华为CANN（Compute Architecture for Neural Networks）框架提供了强大的算子支持，通过优化算子计算和数据存储方式，实现AI Core处理器上的高性能计算。本文将深入解析CANN算子的基本概念、张量结构、数据排布格式及高阶矩阵运算格式，帮助开发者系统掌握算
2025-11-27 20:13:43
741
原创 深入解析华为CANN算子开发：从入图到动态Shape推导
随着AI计算的不断发展，华为昇腾AI处理器及其CANN算子开发框架在高性能算子实现和图优化中扮演着核心角色。本文将深入解析CANN算子开发的全流程，重点讲解入图阶段的Shape与DataType推导、数据依赖处理及动态输出Shape推导，为开发者提供实践参考。
2025-11-27 20:10:42
804
原创 华为CANN多核Tiling算子开发详解
随着AI算力需求的不断增长，如何高效利用华为Ascend处理器的多核计算能力，成为算子开发的关键技术点。在CANN（Compute Architecture for Neural Networks）框架下，算子开发不仅关注功能实现，更强调性能优化与多核协作。本文将以一个典型的Add算子为例，深入解析在Ascend C方式下，多核Tiling算子开发的设计思路、实现流程及运行验证。
2025-11-27 18:30:53
998
原创 深入解析华为CANN算子开发：从Tiling到Kernel实现
在AI算子开发中，性能优化与硬件利用率是核心关注点。华为昇腾（Ascend）平台的CANN（Compute Architecture for Neural Networks）提供了一套高效的算子编程框架，使开发者能够充分发挥NPU的计算能力。本文将从算子设计、Tiling策略、核函数实现到临时内存管理等方面，对华为CANN算子开发进行深入解析，并结合矢量算子和bfloat16数据类型的实现案例，为读者呈现完整的算子开发流程。
2025-11-27 18:27:35
944
原创 深入华为CANN：Ascend算子编程全面解析
随着人工智能算力的不断提升，算子作为AI模型计算的最小单元，其高效开发和优化显得尤为关键。华为Ascend平台的CANN（Compute Architecture for Neural Networks）为开发者提供了完善的算子编程框架，使得在Ascend AI处理器上实现高性能算子成为可能。本文将深入解析CANN算子开发的编程接口、基础与高阶API、Host端Tiling机制及调测手段，帮助开发者系统掌握Ascend算子开发方法。
2025-11-27 18:23:51
913
原创 深入解析华为昇腾CANN的静态Tensor算子编程
随着AI计算需求的爆炸式增长，算子性能优化成为神经网络推理和训练中的关键环节。华为昇腾（Ascend）平台的CANN（Compute Architecture for Neural Networks）为开发者提供了丰富的算子开发框架，其中静态Tensor编程范式因其低运行时开销和灵活性而备受关注。本文将深入解析静态Tensor编程的设计理念、内存管理策略、同步控制机制及流水优化方法，帮助开发者掌握在Ascend C环境下实现高性能算子的关键技术。
2025-11-27 18:19:00
982
原创 深入解析华为CANN算子编程范式：从矢量到融合算子
在AI加速器领域，算子的高效实现是性能优化的关键。华为昇腾CANN（Compute Architecture for Neural Networks）通过其独特的算子编程范式，为开发者提供了高性能算子实现框架。本文将从CANN的抽象硬件架构出发，系统讲解三类典型算子——矢量算子、矩阵算子以及融合算子——的编程模式，并结合示例解析其实现机制。
2025-11-27 18:10:43
1412
原创 深入解析华为Ascend CANN算子开发：核函数的定义与调用
本文系统介绍了华为Ascend CANN平台的算子开发核心技术——核函数的定义与调用方法。详细解析了核函数的特殊语法要求（__global__和__aicore__修饰）、参数规范（__gm__指针修饰）以及异步调用机制（<<<...>>>语法）。同时阐述了执行配置参数blockDim的设置规则和模板核函数的使用技巧。文章还介绍了2025年昇腾CANN训练营的系列课程和认证活动，帮助开发者快速掌握算子开发技能，充分利用Ascend AI处理器的硬件优势，实现高性能深度学习
2025-11-27 17:57:59
947
原创 深入解析华为昇腾 CANN 算子开发与抽象硬件架构
随着人工智能计算需求的快速增长，硬件与软件的高效协同成为提升AI性能的关键。华为昇腾AI处理器（Ascend AI Processor）通过CANN（Compute Architecture for Neural Networks）框架，为开发者提供了高性能、可扩展的算子开发能力。在本文中，我们将深入解析昇腾AI Core的抽象硬件架构，并探讨算子开发中如何利用这些硬件特性实现高效计算。
2025-11-27 17:54:44
1203
原创 华为CANN自定义算子开发全流程解析 —— 以Add算子为例
2025年昇腾CANN训练营第二季，基于CANN开源开放全场景，推出0基础入门系列、码力全开特辑、开发者案例等专题课程，助力不同阶段开发者快速提升算子开发技能。获得Ascend C算子中级认证，即可领取精美证书，完成社区任务更有机会赢取华为手机，平板、开发板等大奖。Ascend C算子分析与设计；核函数的多核并行与流水线实现；Host端调用及结果验证。理解多核并行、数据切块（Tiling）以及流水线编程是高效实现Ascend算子的核心。
2025-11-27 17:51:05
1175
原创 深度强化学习的离线策略评估：重要性采样与双重机器学习
在强化学习（RL）中，策略评估是核心任务之一。传统方法依赖在线交互，这在许多现实场景（如医疗、金融、自动驾驶）中成本高昂甚至不可行。离线策略评估（Off-Policy Evaluation, OPE）应运而生，它利用历史数据评估新策略，无需额外交互。，并通过代码实例展示如何实现它们。
2025-11-25 16:03:33
820
原创 量子机器学习核方法的经典模拟复杂度下界
量子机器学习核方法的经典模拟复杂度下界 摘要：本文探讨量子机器学习中核方法的计算优势及其经典模拟的理论下限。经典核方法面临Gram矩阵构造的O(n²)复杂度问题，而量子计算机通过量子态的高维特性(2^n维度)能高效实现核计算。研究表明，某些量子核方法产生的特征空间维度随量子比特数指数增长，这使经典模拟需要指数级资源。理论上，当量子特征映射达到足够深度和复杂度时，其经典模拟将面临计算复杂性下界，可能构成BQP类问题的天然屏障。该研究为量子机器学习能否超越经典方法提供了理论基础。
2025-11-20 16:29:50
750
原创 零知识证明与深度学习：打造可验证的AI推理新时代
摘要： 零知识证明（ZKP）与深度学习的结合正在解决AI系统的可验证性和隐私保护问题。zkPyTorch等新型编译器通过三大关键技术突破：模型预处理（转为ONNX格式）、ZKP友好量化（浮点转整数运算）和分层电路优化，使AI开发者无需改变编程习惯即可构建可验证模型。在医疗图像分类等关键应用中，该技术能确保推理过程的正确性，同时保护模型知识产权和用户隐私。硬件加速和证明系统效率的提升（证明生成缩短至秒级）使得这一技术具备了实际应用价值，为金融、医疗等领域的可信AI决策提供了新范式。
2025-11-19 18:12:54
716
原创 因果推断中的do-calculus与强化学习策略评估
本文深入探讨了因果推断中的do-calculus在强化学习策略评估中的应用。通过理论分析和代码实例，我们展示了如何利用因果推断方法在不需要实际执行策略的情况下评估其性能，这在许多现实场景中具有重要价值。
2025-11-18 15:44:59
807
原创 多模态对齐的表示学习：统一对比散度框架详解
本文探讨了多模态对齐表示学习的统一对比散度框架。针对多模态数据间的符号异构性、上下文差异性和抽象层级不匹配等核心挑战，该框架采用多线性内积相似度度量和灵活的负采样策略，实现不同模态在共享语义空间中的有效对齐。文章详细介绍了框架的理论基础，包括对齐与均匀性的平衡机制，以及O(N)和O(N²)两种负采样策略。通过Python代码示例展示了多模态编码器设计和统一对比损失的具体实现，为研究人员提供了可直接应用的解决方案。该框架能够灵活处理从两个到任意多个模态的对比学习任务，在保持计算效率的同时实现高效的跨模态语义对
2025-11-16 16:20:09
666
原创 大模型参数高效微调：LoRA低秩适配的秩选择理论
LoRA秩选择是大模型高效微调中的关键环节。通过理论指导与实践验证相结合的系统化方法，我们可以在保持模型性能的同时，大幅提升参数效率和训练速度，为大模型的广泛应用奠定基础。随着研究的不断深入，我们期待出现更加自动化、理论更加严谨的秩选择方法，进一步推动大模型技术的发展。
2025-11-15 17:19:02
985
原创 神经正切核(NTK)视角下的无限宽网络训练动力学
神经正切核(NTK)理论揭示了无限宽神经网络训练动力学的数学本质，将非线性网络训练过程转化为线性动力学问题。当网络宽度趋近无限时，其训练过程由恒定的NTK矩阵决定，网络输出演化遵循线性微分方程。该理论架起了神经网络与核方法的桥梁，为理解深度学习的泛化、优化等提供了理论工具。通过代码实现可计算具体网络的NTK矩阵，并模拟其训练动力学，验证了理论预测。NTK理论不仅深化了对神经网络的理解，也为算法设计提供了新思路。
2025-11-15 17:11:40
675
原创 扩散模型反向过程的变分推断误差分析
本文分析了扩散模型反向过程中的变分推断误差问题，揭示了误差的主要来源：分布假设偏差、分数匹配误差、数值离散化误差和目标函数近似偏差。通过理论建模和Wasserstein距离等度量工具，量化了不同误差对生成质量的影响。文中还提供了PyTorch实现的简单扩散模型代码，展示了如何计算变分推断误差（近似后验与真实后验的KL散度），为误差分析和控制提供了实用方法。这些分析有助于改进扩散模型的反向过程算法设计，提高生成样本的质量和稳定性。
2025-11-14 18:28:10
1023
原创 持续学习中的突触重要性估计：费雪信息矩阵的近似误差
本文探讨了持续学习中的突触重要性估计方法，特别是基于费雪信息矩阵的技术。持续学习面临灾难性遗忘的核心挑战，而受生物突触可塑性启发的突触重要性估计方法能有效缓解这一问题。文章详细介绍了费雪信息矩阵的理论基础和在持续学习中的应用，分析了其近似误差来源（对角化误差、有限样本误差和任务间干扰），并提供了基于费雪信息的持续学习算法实现。实验部分展示了在Split MNIST数据集上的应用实例，包括神经网络实现、费雪信息估计方法和包含EWC正则项的损失函数计算。这些技术使模型能在学习新任务时保护对旧任务重要的参数，从而
2025-11-14 18:20:50
599
原创 图神经网络表达能力：从WL测试到高阶同态卷积
本文探讨了图神经网络（GNN）的表达能力理论基础，重点分析了Weisfeiler-Lehman（WL）测试与GNN的关系。文章首先介绍了图同构问题和经典的1维WL测试算法，通过Python代码展示了WL测试的核心流程及其局限性——无法区分某些正则图。随后分析了GNN的消息传递框架与WL测试的等价性，指出基本GNN的表达能力上限与1维WL测试相当。文章还提供了GNN的PyTorch实现示例，展示其如何通过消息传递、聚合和更新机制处理图结构数据。这些理论分析为理解GNN的能力边界和进一步发展高阶表达模型奠定了基
2025-11-13 10:04:42
816
原创 对比学习下游任务性能的信息论下界研究
本文研究了对比学习在下游任务性能中的信息论下界问题。通过信息论框架分析表明，下游任务性能下界由多个互信息量决定：表示与视角的互信息I(U;Y)、原始数据与视角的互信息I(X;Y)、以及视角与标签的互信息I(Y;Z)。在X和Y关于Z条件独立的假设下，我们建立了明确的下界表达式I(U;Z) ≥ I(U;Y) - I(X;Z) + I(Y;Z)。实验验证部分提供了互信息估计和性能下界计算的具体实现，为理论分析提供了实际支撑。这些结果为理解对比学习的本质特性及其在下游任务中的表现提供了理论依据。
2025-11-13 09:53:54
712
原创 强化学习中的遗憾界：从线性MDP到一般函数逼近
本文探讨了强化学习中的遗憾界理论，从线性MDP到一般函数逼近。介绍了线性MDP下LSVI-UCB算法的实现，该算法可获得O(dH√K)的遗憾界。对于更一般的函数逼近，提出了基于神经网络的NeuralUCB方法，通过贝尔曼埃尔波斯维度和不确定性量化来处理复杂函数类。文章提供了完整的算法实现代码，包括特征映射、参数更新和动作选择机制。理论分析表明，在适当假设下，这些方法能保证次线性遗憾增长，为强化学习的理论保证提供了重要见解。
2025-11-12 09:58:52
771
原创 联邦学习中的模型异构性：个性化聚合算法收敛界综述
联邦学习作为一种新兴的分布式机器学习范式，能够在保护数据隐私的前提下，利用分布在多个设备或机构的数据协同训练模型。其核心理念是，即原始数据保留在本地，仅通过交换模型参数或梯度更新来实现协同训练。然而，联邦学习在实际部署中面临诸多挑战，其中是一个关键问题。模型异构性指的是联邦学习中不同客户端由于数据分布、系统资源或模型结构的差异而导致的统计和系统异质性问题。具体表现为：统计异质性（）、系统异质性（设备计算能力、存储容量和网络连接的差异）以及模型异质性（不同客户端可能使用不同的模型架构）。
2025-11-11 16:20:12
727
原创 大语言模型涌现能力的可解释性：临界现象还是度量假象？
摘要：大语言模型"涌现能力"的可解释性研究 本文通过可控实验探讨了大语言模型中"涌现能力"的来源问题。研究设计了一个"括号匹配"任务，通过调整参数规模(1M到1B)的6个GPT-2模型进行实验验证。结果表明： 使用传统样本级度量时，确实观察到性能在特定规模临界点的跃迁现象 采用更细粒度的子任务级和token级度量后，这种"涌现"拐点趋于平滑 统计物理分析显示，多数自然语言任务的"涌现"可能是度量与采样偏差导致
2025-11-11 16:11:07
556
原创 从VAE到Diffusion：生成模型演进背后的概率图视角
本文从概率图视角分析了生成模型的演进路径，对比了VAE、标准化流和扩散模型的原理与特点。首先介绍了概率图模型的基础概念及其在生成模型中的作用。然后详细阐述了VAE的概率图表示、实现方式和局限性，指出其因后验分布假设过于简单而导致生成质量受限。接着探讨了标准化流如何通过可逆变换构建复杂分布来改进VAE。最后简要提及扩散模型作为生成模型的最新进展。文章结合代码示例展示了各种模型的具体实现，为读者理解生成模型的理论与实践提供了全面参考。
2025-11-09 16:52:38
1138
原创 面向大模型智能体的硬件加速器设计与优化
摘要：面向大模型智能体的硬件加速器设计挑战与方案 随着大模型参数规模突破万亿级别，传统计算架构面临内存墙和计算效率等关键挑战。本研究分析了大模型特有的计算特征：密集矩阵乘法占70%以上计算时间，而注意力机制的内存访问模式不规则。性能分析显示，千亿参数模型推理中60%能耗来自内存访问，层归一化等操作的计算强度仅为1-3 FLOPs/Byte。针对这些特性，提出分层加速架构，包含张量计算核心、专用注意力单元和硬件优化的softmax模块。实验表明，分块矩阵乘法和专用注意力单元可显著提升计算利用率至70-90%。
2025-11-08 17:30:22
659
原创 大模型智能体的超参数自动调优技术探索
大模型智能体的超参数自动调优技术 摘要：本文探讨了大模型智能体的超参数自动调优技术，对比了传统网格搜索与现代优化算法（如贝叶斯优化、进化算法）的优劣。研究分析了结构参数、训练参数和推理参数三大类关键超参数体系，并提供了具体推荐范围。通过实践案例展示了使用Optuna等自动化工具进行高效调优的方法。针对大模型特有的计算资源限制、参数空间爆炸等挑战，本文提出的智能调优方案可显著提升模型性能，为研究者提供了一套完整的解决方案。
2025-11-08 17:29:09
1023
原创 大模型智能体的跨域迁移学习与适应性研究
跨域迁移学习使大模型智能体从"**专用工具**"转变为"**通用伙伴**"成为可能。通过本文介绍的技术框架和实践代码，开发者可以构建出适应多变环境、高效学习新任务的智能体系统。
2025-11-07 18:26:46
634
原创 大模型智能体在医疗影像诊断中的特征提取与识别
大模型智能体通过先进的特征提取和识别技术，正在变革医疗影像诊断的实践方式。从像素级分析到语义理解，再到临床推理，这些系统能够处理日益复杂的诊断任务。本文展示的技术方法和代码实例表明，结合Transformer架构、多模态学习和可解释AI，可以创建出强大而可靠的医疗诊断助手。
2025-11-07 18:25:12
1033
原创 异构数据库迁移必备工具KReplay全流程自动化验证
在信息技术应用创新战略持续深化的背景下，金融、政务、能源等关键领域正积极推进数据库系统的国产化替代进程。从Oracle、MySQL等传统国外数据库向自主可控的国产平台迁移，已成为企业实现数字化转型和保障数据安全的重要路径。然而，数据库迁移远非简单的系统替换，而是一项涵盖数据一致性、业务连续性、系统兼容性及运维管理能力的复杂工程。
2025-11-07 14:55:54
10827
1
原创 两周以上天气可预报吗？——用 NVIDIA Earth-2 打开 AI 次季节预测新篇章
AI突破两周天气预测瓶颈：NVIDIA Earth-2技术解析 传统数值预报在10天后精度骤降，而农业、能源等行业亟需2-6周（S2S）的预测能力。NVIDIA Earth-2通过生成式AI实现突破： 技术突破：集成FourCastNet-V2、DLESyM等模型，采用谱方法神经网络保持能量守恒，单张A100完成50成员42天预报仅需3分钟； 概率创新：BVMC策略生成1000成员集合，华能风电场应用后预测误差降低3.5%，年增收超千万； 行业落地：宁夏枸杞种植节水1.4万吨，台湾台风预警提前42小时疏散3
2025-10-12 18:00:16
1119
原创 基于KingbaseES的迁移与高并发优化方案
在政务电子证照系统国产化升级中，“文档——关系型数据库架构适配”、“高并发场景承载” 始终是制约项目落地的核心难题。福建某地市电子证照共享服务系统改造前，因长期依赖MongoDB文档数据库，面临 2TB+数据迁移、1000+并发压力等困境。金仓数据库为其系统提供定制化方案，不仅实现从MongoDB到国产数据库的平滑过渡，更在迁移后系统稳定运行超6个月，有效支撑了当地500余家单位的证照共享服务，为政务数字化提供了可复制的国产化路径。
2025-09-29 13:12:35
20287
原创 基于深度学习的YOLO框架实现金属工业表面缺陷识别｜开箱即用系统级项目（源码+模型+界面）
在现代金属制造与工业质检流程中，金属表面缺陷的及时识别与分级对保障产品质量至关重要。传统的人工检测不仅耗时耗力，而且容易受限于人眼疲劳、主观判断等问题，导致误检漏检频发。本项目采用当前主流的深度学习目标检测框架 YOLOv8，结合 图形化界面（PyQt5），打造了一套完整的 金属表面缺陷识别系统，支持多类缺陷类型检测，具有 高精度、低延迟、可视化交互友好、部署简单 等优势，适用于工业生产线、质检实验室等场景。
2025-07-31 14:07:06
1587
原创 基于深度学习YOLO框架的城市道路损伤检测与评估项目系统【附完整源码+数据集】
随着城市化进程的加速，城市道路损伤问题日益严重。道路的裂缝、坑洼、井盖移位等问题不仅影响行车安全，也影响市民的出行体验。传统的人工巡检方式费时费力，且容易忽视细节。为了提升道路检测的效率与准确性，基于深度学习的智能检测系统应运而生。
2025-07-30 14:18:21
1065
原创 基于深度学习的YOLO框架的道路裂缝智能识别系统【附完整源码+数据集】
本项目基于最新的 YOLOv8 框架，结合 PyQt5 图形界面技术，设计并实现了一个功能完备、操作简洁、检测高效的道路裂缝智能识别系统，不仅支持图像、视频和实时摄像头输入，还提供完整的训练代码和数据集，适合科研开发、工程部署及教学应用等多个场景。
2025-07-29 22:37:33
937
原创 基于深度学习的YOLO框架的7种交通场景识别项目系统【附完整源码+数据集】
在智慧交通和智能驾驶日益普及的今天，准确识别复杂交通场景中的关键元素已成为自动驾驶系统的核心能力之一。传统的图像处理技术难以适应高动态、复杂天气、多目标密集的交通环境，而基于深度学习的目标检测算法，尤其是YOLO（You Only Look Once）系列，因其检测速度快、精度高、可部署性强等特点，在交通场景识别中占据了重要地位。
2025-07-29 01:18:18
1042
原创 基于深度学习的YOLO框架的人脸表情检测识别系统【附完整源码+数据集】
随着人机交互、智能安防、虚拟现实等技术的快速发展，人脸表情识别（Facial Expression Recognition, FER）已成为人工智能领域的重要研究方向之一。传统的表情识别方法大多依赖于人工设计的特征（如Gabor滤波器、HOG等），在复杂环境下的鲁棒性较差。近年来，基于深度学习的检测算法，特别是YOLO（You Only Look Once）系列目标检测模型，以其高精度、低延迟的优势，成为了表情识别场景中的理想选择。
2025-07-28 16:26:02
708
原创 YOLO在工业零件缺陷检测中的应用研究：从原理到落地代码实践
本文研究了YOLO系列算法在工业零件缺陷检测中的应用，提出了一套完整的工程解决方案。通过改进YOLOv8模型结构（引入ConvNeXt V2 Block和BiFPN等），结合定制化数据增强策略，在自建PCB缺陷数据集上实现了96.4%的mAP@0.5和7.3ms的实时检测速度。研究详细阐述了从数据采集、模型优化到TensorRT量化部署的全流程，并提供了基于PySide6的可视化检测系统。实验表明该方法在精度和速度上均优于传统方案，为工业缺陷检测提供了高效可行的技术路线。
2025-07-25 18:55:29
616
原创 AI风起，数据库争霸：电科金仓一体机如何突围高端赛道？
国际巨头仍在高端市场占据主导地位，但在国产替代的冲击下，也开始另寻突破口；国内科技大厂攻势迅猛，通过开源生态适配快速抢占市场；而垂直赛道厂商和新兴力量，也在政策红利与AI技术加持下，逐步构建起差异化的竞争优势。
2025-07-25 13:40:14
15573
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人