HelloWorld 开发者社区
科技资讯
微软 MAI Code 2 系列进入 Copilot:按工程任务选择编程模型
OpenAI 发布 GPT-6.2 Astra 与 Sol:专业交付、编程效率与团队选型
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
开源项目
全部项目推荐好文
MindSpore:CUDA编程(一)在WSL ubuntu 20.04上安装CUDA环境
在Windows11下搜索MicrosoftStore:!图片(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/ed9c142b9c28bf9ef32a36df5beb5059.png)在Store中搜索ubuntu20.
MindSpore:CUDA编程(二)CUDA代码执行原理
我们把CPU,内存这块区域叫做“主机(HOST)”,把GPU,显存这块区域叫做“设备(DEVICE)”。(是不是跟昇腾有点类似?)CUDA的代码执行包含以下几步:!图片(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/8ad33
MindSpore:CUDA编程(三)线程层次
线程层次的概念:!图片(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/eda6f73146c9c48c9eecd514a5a1639f.png)!图片(https://imghelloworld.osscnbei
MindSpore:CUDA编程(四)Global Memory
在GPU上,onboardmemory包含以下类型:localmemory每个thread一个。线程私有。globalmemory每个grid一个。每个thread都可以读。constantmemory每个grid一个。只读。每个thread都可以读。texturememory每
MindSpore:CUDA编程(五)Event
Event是CUDA中的事件,用于分析、检测CUDA程序中的错误。一般我们会定义一个宏:pragmaonceinclude<stdio.h>defineCHECK(call)\do\{\<pre<codeconstcudaErro
MindSpore:CUDA编程(六)存储单元
CUDA的存储单元包含以下类型:!图片(https://imghelloworld.osscnbeijing.aliyuncs.com/imgs/5c42040e6fc1b79ae1ad7fd476010a62.png)如下表所示:名称位置用途使用方法限制备注Register寄存器GPU
MindSpore:强化学习基础-蒙特卡洛(Monte Carlo)
在接触强化学习过程中,大家可能在很多场合听说蒙特卡洛这个词,例如MonteCarloTreeSearch,MonteCarloCFR。实际即便在策略梯度(PolicyGradients)算法中也使用了蒙特卡洛方法,本文将介绍MonteCarlo算法和在强化学习中的应用。基本概念Mont
MindSpore:MindScience之MindElec 电磁仿真结果可视化
MindScience之MindElec电磁仿真结果可视化1.MindElec(电磁仿真)简介仿真就是对实际物体进行模型模拟,期望改善实力产品的性能,找到最优的设计方案。电磁仿真就是对物体的电磁性能进行仿真模拟,以代替昂贵的原形,并改进设计。其在手机容差、天线优化和芯片设计等场景中应用广泛。Mi
MindSpore:如何在静态图模式下,在construct函数里更新网络权重?
importnumpyasnpimportmindsporeimportmindsporeasmsfrommindsporeimportopsfrommindsporeimportnn,Tensor,Parameter,contextcontext.set
MindSpore:【课程作业经验】基于MindSpore框架的道路场景语义分割方法研究
基于MIndSpore框架的道路场景语义分割方法研究概述本文以华为最新国产深度学习框架Mindspore为基础,将城市道路下的实况图片解析作为任务背景,以复杂城市道路进行高精度的语义分割为任务目标,对上述难处进行探究并提出相应方案,成功地在Cityscapes数据集上完成了语义分割任务。整体的技术方
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。


