点击上方“Deephub Imba”,关注公众号,好文章不错过 !Scikit-Learn 1.8.0 更新引入了实验性的 Array API 支持。这意味着 CuPy 数组或 PyTorch 张量现在可以直接在 Scikit-Learn ...
据AIbase报道，为挑战英伟达（NVIDIA）在AI芯片市场的统治地位，Alphabet（谷歌母公司）正在推进一项名为“TorchTPU”的战略计划。该计划旨在显著提高其张量处理器（Tensor Processing Unit, TPU）芯片与PyTorch框架的兼容性，从而降低开发者从英伟达GPU切换到谷歌TPU的技术壁垒和迁移成本。
20 天on MSN
摩尔线程发布，增强AI模型训练与推理支持
11 月 28 日消息，近日，摩尔线程正式发布 PyTorch 深度学习框架的 MUSA 扩展库 ——Torch-MUSA v2.7.0，新版本在功能集成、性能优化与硬件支持方面实现进一步突破。Torch-MUSA 在短短一个月内，连续完成 v2.5.0 和 v2.7.0 两次版本更新。 据介绍，自 v2.5.0 起，Torch-MUSA 版本号已与 ...
摩尔线程近日宣布，其专为PyTorch深度学习框架打造的MUSA扩展库——Torch-MUSA迎来v2.7.0版本升级。此次更新距离上一次v2.5.0版本发布仅间隔一个月，标志着该库在迭代速度与功能演进上持续加速。新版本不仅在计算能力、内存管理等方面实现突破，更通过算子扩展 ...
知乎专栏 on MSN
MXFP8、MXFP4 与 NVFP4 详解
一、 为什么需要mxfp8、mxfp4、nvfp4等低精度格式？ 1. 大模型规模爆炸式增长 → 计算与内存瓶颈加剧 LLM 参数量已达万亿级别，训练 FLOPs 超 10²⁵。传统 FP32/BF16 格式占用高带宽内存，限制吞吐和能效。单纯降低位宽（如 INT8/FP8）会导致动态范围不足，引发训练发散或精度下降。 2. 传统低精度格式存在固有缺陷 ...
一些您可能无法访问的结果已被隐去。
显示无法访问的结果
反馈