【AI简报20210813期】 西人马首次发布一体式 AI SoC 芯片、三星发布5nm可穿戴处理器...

paddleocr 串联推理报错!paddle::framework::SignalHandle(char const*, int) 1 paddle::platform::GetCurrentT Paddle OCR 串联推理报错! -------------------------------------- C++ Traceback (most recent call last): -------------------------------------- 0 paddle::framework::SignalHandle(char const*, int) 1 paddle::platform::GetCurrentTraceBackString[abi:cxx11]() ---- 阅读详情

AI 芯片

1. 西人马首次发布一体式 AI SoC 芯片 FT1700

原文:

https://www.laoyaoba.com/n/789308

近日,西人马科技发布了FT1700芯片,这是西人马推出的首款一体式AI SoC芯片。

FT1700芯片基于异构多核处理器架构,集成了4个CPU和4个DSP,即8个核心处理器,同时还集成了一个实时处理器,可用于实时系统控制;视觉AI DSP可用于高性能机器视觉计算阵列,另外还有4K图像/视频编解码,以及高性能有线/无线数据接口可用于传输实时音频/视频流。

该芯片可提供0.5T~1T的算力,可用于工业检测、边缘计算、机器视觉、智能制造、自动数据采集系统(ADAS)、工业机器人控制、行业无人机等多种AI应用场景。

FT1700 芯片是专为物流仓储、智能监控、边缘计算、工业检测、ADAS/DMS、汽车行驶记录仪、工业无人机等多种应用而设计的一体式SoC芯片。其利用多核心的并行计算优势,有着超高的计算能力,可快速识别图像、图形、视频和音频,然后做出判断。

2. GPU性能提升10倍!三星发布全球首款5nm可穿戴处理器

原文:

https://mp.weixin.qq.com/s/ATfTNw1aixF0lwsw627QDA

近日三星推出了Galaxy Watch4系列智能手表,该智能手表搭载了最新可穿戴处理器ExynosW920。Exynos W920处理器是业内首款采用5nm EUV工艺,专为可穿戴设备打造的处理器。该处理器可支持三星与谷歌联合打造的可穿戴平台,并率先应用于三星即将推出的Galaxy Watch系列新品。

目前,市场上使用最广泛的两款芯片是高通公司的Snapdragon Wear 3100和Snapdragon Wear 4100 Plus,它们分别建立在28纳米和12纳米节点上。ExynosW920比这些竞争对手提供了更新的Arm Cortex内核,而且节点尺寸小得多,可以想象,它可以实现更高的集成度和更小的尺寸。值得注意的是,这是自最初的Galaxy Watch以来三星手表的首次处理器升级。与上一代三星可穿戴产品,如Exynos 9110相比,Exynos W920声称性能提高了20%,图形性能提高了10倍。

总而言之,可穿戴硬件的这些改进标志着该领域的一个非常积极的方向。

3. 特斯拉 AI Day 最新消息将发布Dojo自研超算芯片

原文:

https://baijiahao.baidu.com/s?id=1707950006087618803&wfr=spider&for=pc

日前,马斯克发推特宣布了特斯拉“AI Day”将会在北美时间8月19日正式举行。根据之前他的推特所说,发布会将会介绍特斯拉在人工智能领域的软件和硬件进展,尤其在(神经网络)的训练和预测推理方面,并将会招揽相关人才。

根据此前发布的预热图估测,该芯片采用了非常规的封装形式,第一层和第五层铜质结构是水冷散热模块;红色圈出的第二层结构由5*5阵列共25个芯片组成;第三层为25个阵列核心的BGA封装基板;第四层和第七层应该只是物理承载结构附带一些导热属性;蓝色圈出的第六层应该是功率模块,以及上面竖着的黑色长条,很可能是穿过散热与芯片进行高速通信的互联模块;

从第二层结构的圆形边角,以及拥有25个芯片结构来看,非常像Cerebras公司的WSE超大处理器,猜测特斯拉可能采用了TSMC(台积电)的InFO-SoW(集成扇出系统)设计。

不出意料的话,此次发布会将把Dojo芯片作为最重点的内容进行软硬件的介绍;当然也会覆盖FSD Beta相关的进展介绍,但就目前的信息来看,还极有可能会推出新的基于7nm技术的HW4.0硬件。

AI 热点

4. 「假黄仁勋」刷屏之后,英伟达官方辟谣:只有14秒是虚拟的

原文:

https://mp.weixin.qq.com/s/p5PvVDyZHufxI9R5p_8n1Q

不要太嗨了,GTC 2021 那场发布会,你看到的厨房中的老黄不是假的,发布的显卡也不是假的,但视频中有14秒的「假黄仁勋」!

在近期召开的计算机图形顶级会议 ACM SIGGRAPH 2021 上,英伟达介绍了自研的 3D 仿真模拟和协作平台 Omniverse,并在前不久放出了「合成版老黄」的打造过程。消息在极短的时间内引发了科技圈的轰动,很多人甚至在 Youtube、哔哩哔哩等平台反复回放今年 4 月 GTC 老黄的 Keynote 视频,企图分辨「真假黄仁勋」。毕竟一旦接受了「发布会中的老黄是假的」这个设定,就会开始怀疑:发布的显卡是不是也全是假的?要不然为什么根本买不到?

而且在这个接近两小时的 Keynote 视频中,黄仁勋的皮衣与内搭款式来回切换,一会儿立领,一会儿翻领,一会儿 T 恤,一会儿又变成 Polo 衫,引发了更多的猜测。

但英伟达官方辟谣称只有非常小的一部分视频是虚拟的。英伟达官方博客也进行了补充说明(之前版本未详细说明),并给出了数字替身出现的明确时间段。也就是说,在 1 小时 48 分钟的 Keynote 视频中,只有其中 14 秒属于合成,下图是合成部分中的一张截图。

相信电影《头号玩家》中的游戏的实现只是一个时间问题!

AI 前沿

5. 工号001,中国跳水 “国家队AI教练”

原文:

https://mp.weixin.qq.com/s/wCevQGDjhSuGUyAu9jjb_A

东京奥运会上,中国跳水“梦之队”以7金5银收官,在4个单项中包揽冠亚军,在4个双人项目里收获3金。这个收割奖牌的队伍背后,有位隐形的特殊教练——“AI教练”。

“3D+AI”跳水训练系统:清、准、全、懂

跳水动作难度高,在1~2秒时间内完成整套动作常让人感觉“眼睛跟不上”。为了精确测量运动员的动作并打磨得更加完美,中国国家跳水队引入了“3D+AI”跳水训练系统,还为它颁发了工号为001的“国家队AI教练”工作证。

简单讲,这个系统的作用是让跳水动作看得清、看得准、看得全、看得懂。

首先,训练场馆内的高速相机等设备采集运动员的动作,清晰完整地记录下每帧画面,回放时可以随时定格让动作看得清。之后,软件系统对人体姿态进行三维重建及量化评估,让教练看得准。这样就能把之前模糊的“起跳稍微低了点”,变成精确定量的“起跳高度比标准低12.5厘米”。

另外,之前运动员每完成一次跳跃,教练只能从一个固定角度观察,而这个系统完整记录下跳水动作和场馆细节,重放时可以360度自由旋转,实现看得全。

当然,记录数据不是最终目的,“AI教练”不仅能识别出跳水动作和难度系数,还会通过算法为动作完成质量打分、分析目前问题的原因,并协助教练制定计划解决训练当中的实际问题。

这届奥运会中,不仅跳水队得到了“3D+AI”训练系统的重要支持,其他体育项目背后也有很多“黑科技”的协助。比如卢云秀夺得金牌的女子帆板RS:X级项目,赛前也得到了科技团队提供的风和水等方面的分析和预测。

6. 国产CPU、国产操作系统!长城、百度联合研制的首款“PKS”国产AI 服务器正式发布

原文:

https://mp.weixin.qq.com/s/ZcMW8dV0t72xvqFJ9yGgFg

8 月 3 日消息 中国长城今日表示,其与百度联合研制的首款“PKS”国产 AI 服务器 ——AI-TF2000 飞桨一体机正式发布。据介绍,AI-TF2000 飞桨一体机的外观与普通服务器相差不大,预置飞桨模型库,可同时提供百度的预训练模型,用作二次开发的基础。

中国长城表示,AI-TF2000 飞桨一体机以“PKS”技术架构进行设计,采用了飞腾 CPU 处理器和麒麟国产操作系统。机内同时集成了百度自研的昆仑 AI 加速卡,并可拓展支持昇腾、寒武纪、比特大陆等国内 AI 加速卡,是首个实现单 Switch 支持两块全高全长国内 AI 加速卡的 2U 服务器整机。

此外,该款产品还内置飞桨企业版 BML 全功能 AI 开发平台,支持多种数据精度的训练和推理。

AI 研究综述

7. 2021年小目标检测最新研究综述

原文:

https://mp.weixin.qq.com/s/OOlq9wSfME2qB9VPc2fmRg

论文:

http://sjcj.nuaa.edu.cn/sjcjycl/article/html/202103001

论文引言:小目标检测长期以来是计算机视觉中的一个难点和研究热点。在深度学习的驱动下,小目标 检测已取得了重大突破,并成功应用于国防安全、智能交通和工业自动化等领域。为了进一步促进小 目标检测的发展,本文对小目标检测算法进行了全面的总结,并对已有算法进行了归类、分析和比较。首先,对小目标进行了定义,并概述小目标检测所面临的挑战。然后,重点阐述从数据增强、多尺度学习、上下文学习、生成对抗学习以及无锚机制等方面来提升小目标检测性能的方法,并分析了这些方法的优缺点和关联性。之后,全面介绍小目标数据集,并在一些常用的公共数据集上对已有算法进行了 性能评估。最后本文对小目标检测技术的未来发展方向进行了展望。

了解小目标检测方向的前世今生,就去看看这篇论文吧。


AI 开源项目

8. 霸榜GitHub!人脸融合黑科技来了!七夕表白的另外一种方式!

原文:https://mp.weixin.qq.com/s/g7cVeLnA3ArrWCTiUmwnNQ

Github:https://github.com/PaddlePaddle/PaddleGAN/stargazers

七夕不知道如何表白?送花吃饭太没新意又太露骨?那就试试 paddlepaddle 的一个人脸融合黑科技项目,能够完美融合任意两张人脸,并带有丰富的表情,让你不仅凡尔赛地炫个技,还能巧妙风趣地表个白:我觉得咱俩挺合适,可以一起为人类向更美的方向进化作出杰出贡献。

不信?那就上图了:

让我们来谈谈这个黑科技的原理吧。这个炫酷的黑科技是由开源界频上Trending的飞桨生成对抗网络套件PaddleGAN所提供,里面内置的StyleGAN V2与FOM分别实现人脸融合与让人脸动起来的效果。

PaddleGAN中提供的人脸融合能力是由StyleGAN V2以及新增的Fitting和Mixing模块组成的。

  • Fitting模块是根据已有的图像反推出解耦程度较高的风格向量,可用于人脸融合、人脸属性编辑等任务中。

  • Mixing模块是对上述Fitting模块中生成的风格向量实现不同层次和比例的混合。

  • StyleGAN V2则根据Mixing模块中生成的混合向量生成新的人脸。

    因此,人脸融合任务可以分为三个步骤进行实现:

  1. Fitting模块提取两张人脸图片的风格向量

  2. Mixing模块对两种风格向量进行混合

  3. StyleGAN V2根据混合后的风格向量生成混合后的人脸

在项目首页转了一圈发现,人脸融合、人脸表情迁移竟然只是PaddleGAN数十种能力的一种,PaddleGAN还提供语音转唇形(声音对口型)、视频/照片修复(上色、超分、插帧)、人脸动漫化、照片动漫化、图像生成、图像风格迁移等十余种能力,令人大开眼界!这里就不一一展示效果,有兴趣的同学可以自行到 Github 上阅览。

9. Github标星13.6k!一行代码从PDF提取Excel文件

原文:

https://mp.weixin.qq.com/s/HvOn8SZ2uPjekkDd4VB-9A

Github:

https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.2/ppstructure

我们在工作生活中经常会遇到表格识别的问题,比如导师说,把下面PDF文件里面的表格取出来整理成Excel表。只要稍微会一点Python,这个开源项目神器几行代码解决!

如图所示,针对一张完整的PDF图片,这个开源项目可以对文档图片中的文本、表格、图片、标题与列表区域进行分类。同时还可以利用表格识别技术完整地提取表格结构信息,使得表格图片变为可编辑的Excel文件。不仅仅是PDF文件转excel,如果编程能力再强一些,结合版面分析技术,PDF转Word都不在话下。而且使用也是非常方便,在完成Python whl包安装之后,简单几行代码即可完成快速试用。

10. 动手画个二次元老婆,上科大团队这个APP刚上线就火出圈,手残党的福利!

原文:

https://mp.weixin.qq.com/s/Qjwodgetc-hBfNIpEAvdPg

Github:

https://apchenstu.github.io/sofgan/

论文:

https://arxiv.org/pdf/2007.03780.pdf

想给自己画个二次元老婆,但发现自己是个手残,怎么办?问题不大,这里有个神器,你只需要涂抹出轮廓,剩下的交给 AI。二次元老婆生成器的名字叫做「WAND」,现在已经在苹果应用商店上线了,目前提供 iPhone 和 iPad 两类设备的限时免费下载,登上了AppStore图形与设计榜下载量Top1。

「WAND」刚发布就火出了圈。在社交网络上看,很多人已经率先试用了,作品是这样的:

看完了 APP 效果,我们来看下背后的技术。据项目介绍,该软件基于上海科技大学 ACM Transactions on Graphics 2021 的一篇研究论文实现。

尽管生成对抗网络(GAN)已被广泛用于人像图像生成,但在 GAN 学习的潜在空间中,不同的属性,如姿态、形状和纹理风格,通常是纠缠在一起的,这使得对特定属性的显式控制变得困难。为了解决这个问题,该研究提出了一个名为 SofGAN 的图像生成器,将人像的潜在空间解耦为两个子空间:几何空间和纹理空间。从两个子空间采样的潜在代码分别馈送到两个网络分支,一个生成具有规范姿态的人像的 3D 几何图形,另一个生成纹理。对齐的 3D 几何图形还带有语义部分分割,编码为语义占用字段(semantic occupancy field,SOF)。SOF 能够在任意视图渲染一致的 2D 语义分割图,然后将其与生成的纹理图融合并使用语义 instance-wise(SIW)模块将其风格化为人像图像。该研究通过大量实验表明该系统可以生成具有独立可控几何和纹理属性的高质量人像图像。此外,该方法还可以很好地推广到各种应用中,例如外观一致的面部动画生成等。

11. AI“读图会意”首超人类!阿里达摩院刷新全球机器视觉问题纪录

原文:

https://mp.weixin.qq.com/s/CO4z-2OjCke9fjMzEaI4wA

Github:

https://github.com/alibaba/AliceMind

给出一张图,让人类来猜这张图里面内容是什么,这对人类来说,太简单不过。但是对于 AI 呢?AI 在这视觉问答方面能和人类相比吗?

答案来了——历时6年,在机器视觉问答领域,第一位得分超越人类的AI选手诞生了!

国际权威机器视觉问答榜单 VQA Leaderboard出现关键突破:阿里巴巴达摩院以81.26%的准确率创造了新纪录,让AI在“读图会意”上首次超越人类基准。继2015年、2018年AI分别在视觉识别及文本理解领域超越人类分数后,人工智能在多模态技术领域也迎来一大进展。比较难得的是,3年前,让中国AI在文本理解领域历史性超越人类的,同样是达摩院AI研究团队。

VQA 是AI领域难度最高的挑战之一。在测试中,AI需根据给定图片及自然语言问题生成正确的自然语言回答。这意味着单个AI模型需融合复杂的计算机视觉及自然语言技术:首先对所有图像信息进行扫描,再结合对文本问题的理解,利用多模态技术学习图文的关联性、精准定位相关图像信息,最后根据常识及推理回答问题。

今年8月,达摩院以81.26%的准确率创造VQA Leaderboard全球纪录,首次超越人类基准线80.83%。

这一结果意味着,AI 在封闭数据集内的 VQA 表现已媲美人类。

面对更开放的现实世界,AI一定会遇到新的挑战,需要喂更多的数据、进一步提升模型。但和 CV 等领域的发展一样,这一结果依然具有标志性意义,相信VQA技术在现实中的表现提升只是时间问题。

文末福利

12. 干货!结合工作整理的MCU芯片级的ESD防护及设计讲义(非常详细)

原文:

https://mp.weixin.qq.com/s/awOMDjV5n0dRKTTWO31eUQ

干货链接:

http://bbs.eetop.cn/thread-437264-1-1.html

这份讲义是EETOP网友 johnli330 结合自己工作整理的MCU芯片级的ESD防护及设计,共61页。结合工作整理的资料自然是相当干货满满,希望对各位有兴趣的同学有所帮助。讲义全文可以通过上述链接下载。

13. 从SGD到NadaMax,十种优化算法原理及实现

原文:

https://mp.weixin.qq.com/s/XzzZmbOeUTEDEqrxKVCw0g

无论是什么优化算法,最后都可以用一个简单的公式抽象:

是参数,而


是参数的增量,而各种优化算法的主要区别在于对

的计算不同,本文总结了下面十个优化算法的公式,以及简单的Python实现:

  1. SGD

  2. Momentum

  3. Nesterov Momentum

  4. AdaGrad

  5. RMSProp

  6. AdaDelta

  7. Adam

  8. AdaMax

  9. Nadam

  10. NadaMax

原文总结了SGD、MomentumNesterov、Momentum、AdaGrad…等十种优化算法,每一种算法的讲解都附有详细的公式过程以及代码实现。图文并茂,适合上下班通勤时间阅读,加深对深度学习中优化算法的理解。

你可以添加微信17775982065为好友,注明:公司+姓名,拉进 RT-Thread 官方微信交流群!

???? 点击阅读原文进入官网

国产AIoT SoC芯片 新兴AIoT应用的发展推动着众多国产芯片厂商竞相开发针对特定应用场景的AIoT系统级芯片(SoC)。为配合即将召开的2021 国际AIOT生态发展大会,ASPENCORE《电子工程专辑》分析师团队将这些AIoT SoC芯片按技术和应用划分为10个类别,每个类别挑选3个有代表性的国产芯片厂商及其代表产品。我们还在文末将这30家公司的AIoT SoC芯片以投票选项的形式展现出来,请为每个类别挑选您最喜欢的厂商及其芯片型号。 AIoT:当人工智能(AI)遇上物联网(IoT) 物联网 (IoT) 是一项 阅读详情

相关推荐

Rockchip SoC AI 与视觉处理器路线图:赋能未来的 AI 驱动设备

随着人工智能(AI)和计算机视觉技术不断推动各行各业的创新,Rockchip 已成为提供强大系统级芯片(SoC)解决方案的领先厂商。该公司已开发出多款集成 AI 功能并支持先进多媒体与视觉技术的 SoC,非常适合用于 AI 驱动的边缘计算、安全监控、机器人技术等应用领域。本文将探讨 Rockchip 在 AI 和视觉领域的 SoC 路线图发展,重点介绍和等关键产品,并突出它们在 AI 驱动应用中的强大功能。

nb124667390的博客 1419

老杳与老杳吧:集成电路社区

首先感谢大家光临老杳吧,也感谢大家对老杳的厚爱。从2006年初在新浪开博到现在已经整整两年,期间老杳发表文章超过600篇,主要是有关IT及互联网相关的评论文章,博客从新浪开到了SOHU、网易、腾讯等超过30家的网站,如果算上老杳知道及不知道的转载网站,相信每篇文章会在近百家网站发表或转载,两年时间老杳在新浪的博客点击超过500万,腾讯博客接近400万,比特网博客超过300万,网易博客达

老杳吧:LAOYAOBA.COM 3280

边缘计算AI SoC:从NPU架构到选型实践的完整指南

在人工智能与物联网深度融合的背景下,边缘智能设备对实时推理和低功耗计算的需求日益迫切。AI SoC作为边缘计算的核心硬件,通过集成CPU、GPU与专用NPU,实现了在设备端高效运行深度学习模型的能力。其中,NPU针对卷积、矩阵乘等算子进行硬件加速,配合INT8量化技术,在保证精度的同时显著提升推理速度。理解TOPS、内存带宽、编解码能力等关键指标,对于边缘AI产品的选型至关重要。从智慧安防到工业质检,边缘AI SoC正在解决低延迟、省带宽、高隐私等实际问题。本文从芯片架构出发,结合实际项目经验,系统梳理了边

weixin_29185167的博客 249

鸿蒙系统会用于三星么,用于物联网,不用于手机的鸿蒙系统,或是在走三星Tizen的老路 - 区块网...

自从余承东一个多月前高调宣布华为有自研系统之后,这款名为“鸿蒙”的操作系统,正一点一点的揭开它神秘的面纱。但和大家预想的可能有一点出入,最近从任正非到华为的众高管均一再表示,鸿蒙是为物联网准备的,暂不用于手机系统,并且也没有用于手机的时间计划表,手机还是优先使用安卓。而在近日,任正非关于鸿蒙系统,他又再次表示“我们现在首先使用在手表、智能8K大屏、车联网上“当然,关于鸿蒙系统不用于手机,这可能是一...

weixin_36366711的博客 375

ChatGPT Plus完整开通指南:从账号注册到稳定使用全流程

自然语言处理(NLP)技术通过深度学习模型实现对人类语言的理解与生成,其核心原理是基于Transformer架构的大规模预训练。GPT-4作为当前最先进的生成式AI模型,在代码编写、文档分析等场景展现出显著的技术价值。在实际应用中,稳定的网络环境和合规的支付方式是确保AI助手持续服务的关键因素。针对ChatGPT Plus的开通,需要系统性地解决账号验证、虚拟信用卡支付等工程实践问题,才能实现工作流的高效整合。

weixin_34239592的博客 431

S32K144后门密钥实战:如何用JLINK脚本绕过复位陷阱更新加密固件

本文详细介绍了在S32K144微控制器上,如何利用JLINK脚本绕过调试器默认复位陷阱,实现通过后门密钥安全更新加密固件的实战方案。针对汽车电子现场维护中常见的“解锁-复位-锁定”循环问题,文章提供了完整的JLinkScript定制方法、批处理工具及故障排除指南,帮助工程师高效完成固件升级。

weixin_29175469的博客 150

AI, Cybersecurity, SOC 相关概念 - 视频介绍

(后一分钟没字幕,累了不加了)Threat Hunting 威胁捕捉主要用途是在攻击发生前的发现黑客的异常行为,也可以用于告警失效时给出异常信息以供分析,一般根据以下四种信息来捕捉异常:IoC(Indicator of Compromise), IoA(Indicator of Attack), Intel 网上情报,VA 漏洞分析分析人员要做的就是把这四类信息里的几项串连起来,发现黑客活动的迹象。

Li_Wisworth的博客 502

python爬虫自动下载网页链接

需求分析 今天遇到一个简单的需求,需要下载澳大利亚电力市场NEM日前市场的发电商报价数据(http://nemweb.com.au/Reports/Current/Next_Day_Offer_Energy/),页面观感是这样的: Ctrl + F 一下,看到一共有395个zip链接。于是就想着用python爬虫自动下载。这个网页很简单,没有验证码,甚至不需要登录,因此自动下载的pytho...

da_kao_la的博客 1万+

解决 paddle framework::SignalHandle(char const*, int)

我遇到的是paddle 版本问题 原来是2.1.3 升级成2.4.0, 问题自动解决。本地环境没问题,到了服务器上,运行一两分钟,就会报上述错误。本着试一试的的心态,升级了下paddle版本解决问题。我服务器用的是cpu环境,所以排除该选项。有人说是cuda 环境不匹配。

走码观花 272

手把手教你理解特斯拉Model 3的域控制器架构:RBCM如何成为“多面手”?

本文深入解析特斯拉Model 3的域控制器架构,重点介绍右车身域控制器(RBCM)如何整合车身电子系统功能。RBCM作为多任务处理中枢,管理空调系统、尾部电气设备和超声波雷达等关键功能,展现了特斯拉在汽车电子架构上的创新设计。文章详细探讨了RBCM的硬件架构、功能版图及信号网络,揭示其如何通过高性能MCU和智能开关技术实现功能集中与效率提升。

weixin_30919429的博客 384

Python爬虫实战:美团外卖商家数据抓取与分析

随着互联网技术的快速发展,外卖平台已成为人们日常生活中不可或缺的一部分。本文基于Python爬虫技术,使用最新的异步爬虫框架和反爬虫绕过技术,实现了对美团外卖平台商家信息与评分数据的自动化抓取。通过对抓取数据的清洗、存储和分析,为餐饮行业市场研究和商业决策提供数据支持。本文详细介绍了爬虫的设计思路、技术实现方案、数据处理方法以及可视化分析结果,为相关领域的研究者和开发者提供参考。关键词:Python爬虫;美团外卖;数据抓取;数据分析;异步爬虫。

2201_76125261的博客 1823

智防元年:AI-SOC(AI驱动安全运营中心)从POC到规模化的爆发与重构

2025年,AI-SOC(AI驱动安全运营中心)进入规模化落地元年,标志着网络安全运营从人工主导转向AI自主的根本变革。这一突破源于五大要素:技术层面实现智能体集群协同、自主决策等突破;市场刚需源于数字化转型与威胁进化;成本降低和ROI量化使商业可行性成立;生态协同形成标准化产业体系;政策加码与市场规模增长提供保障。未来AI-SOC将向更高自主化、跨域整合和行业定制化发展,成为数字经济时代的安全底座。

从零开始,掌握网络安全。提供全面的网络安全教程、攻防演练技巧和行业动态。 1240

【GlobalMapper精品教程】084:tif(tfw)、jpg(jgw)、png(pgw)的区别与联系

摘要:本文介绍了TFW、JGW、PGW等地理参考文件的基本原理和应用。这些文件通过简单的文本格式存储栅格图像的地理坐标信息,适用于平面坐标系下的GIS数据处理。文章详细说明了文件各行的含义,并提供了在ArcGIS和Globalmapper中生成这些文件的具体操作步骤,包括导出TIFF、JPG、PNG格式时勾选生成对应坐标文件的选项。这些文件虽然简单易用,但仅适用于平面坐标系,且功能相对有限。配套视频教程提供了更详细的操作演示。

智慧空间实验室 2406

AI主导的防御体系——智能SOC与零信任演进

能看(行为建模、风险评分)会想(策略推荐、响应决策)能动(自动执行隔离、权限调整)而“AI驱动 + 零信任”将成为未来企业安全架构的标配。它不是替代安全团队,而是让安全响应变得更快、更准、更智能。

努力分享一些人工智能、计算机视觉、影像等相关的知识干货! 1230

【Python高阶开发】12. 工业知识图谱实战:从0构建设备故障诊断系统(附Neo4j部署+完整代码)

摘要:传统工业设备故障诊断依赖专家经验,存在知识难沉淀、故障定位慢、根因分析不彻底等痛点。本文基于开源工具栈(Neo4j+Py2neo+Spacy+FastAPI),从0到1构建工业知识图谱故障诊断系统。内容涵盖:知识图谱核心概念解析、Neo4j图数据库部署、工业设备本体设计、多源知识抽取(结构化Excel+非结构化手册)、图谱构建与查询、故障诊断与根因分析功能实现,以及可视化与API服务部署。每个模块附完整可运行代码及执行结果,新手可按步骤复现全流程,进阶读者可直接复用代码到实际项目

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 1110

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

AI 芯片浪潮:SoC与ASIC各显神通齐头并进

另一方面,SoC 的 CPU、GPU、NPU 异构计算优势是其灵活性的支撑,例如Intel oneAPI的异构计算开发辅助工具应运而生,它可将CUDA开发环境对Intel Arc集成显卡进行适配,也可对GPU上的开发环境在NPU上进行适配,辅助应用开发者灵活利用异构计算的优势,将应用对CPU、GPU、NPU中的多个计算单元进行适配。等机器学习框架良好适配,对深度学习计算进行高性能、低功耗的优化,软件与硬件相得益彰,并且可根据业务需要对TPU的设计进行调整,以便满足谷歌内部各种特定的 AI 训练和推理需求。

2401_82452722的博客 1255

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

挑战乔布斯,瑞芯微以山寨斗法iPAD

<br /> 10月11日北京通讯展,福州瑞芯微高调推出平板电脑解决方案,同时参展的包括超过六十款基于瑞芯微方案的平板电脑产品,据瑞芯微CEO励民介绍,截至目前基于瑞芯微方案的平板电脑产品已经超过200款问世,瑞芯微每月的出货量已经超过百万量级,在Apple iPAD推出半年之后,中国大陆的平板电脑产品终于破茧出台,最终会不会像山寨手机在全球威胁NOKIA市场一样对Apple形成挑战,让我们拭目以待。<br /> 早在2008年底老杳在深圳遇到励民,谈起消费电子未来的发展,励民便看好平板电脑特别是小尺寸平板

老杳吧:LAOYAOBA.COM 995

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

高算力AI模组前沿应用:基于ARM架构的SoC阵列式服务器

美格智能助力客户定制推出SoC阵列服务器产品,集成了CPU+GPU+NPU+TPU复合异构算力集群,可以构建大规模智能算力矩阵;每个算力节点采用刀片+阵列式设计,支持热插拔,轻松维护;整机80GB带宽,每个板卡满负载1GB带宽;内置BMC多功能综合监控可视化管理系统,可轻松远程管理。

meigsmart的博客 1840

2025年SOC AI应用现状调研洞察:在告警洪流中寻找安全锚点

摘要:2025年,AI在SOC(安全运营中心)的渗透率达88%,成为应对日均近千条安全告警的“生存必需”。但现实困境凸显:40%告警因人力不足被搁置,61%团队曾遗漏关键威胁,AI落地面临高期望与低满意度、数据治理短板及人机权责失衡等矛盾。破局方向在于构建“人机协同”体系,明确AI辅助定位,分阶段落地,夯实数据基础,并培养“AI协同型”人才。未来SOC的竞争力取决于AI与流程、人才、数据的深度融合,而非单纯技术部署。(149字)

从零开始,掌握网络安全。提供全面的网络安全教程、攻防演练技巧和行业动态。 1167

AI PC SoC芯片产品定义深度分析:架构、功能与市场战略

AI PC SoC(System on Chip)是通过半导体工艺将CPU、GPU、NPU、内存控制器、I/O接口等计算机系统核心组件集成在单一芯片上的微型计算系统,专为人工智能优化的个人计算设备设计。其本质是高度集成的异构计算平台异构计算架构:整合CPU(通用计算)、GPU(并行计算)、NPU(神经网络加速)三大引擎,形成"铁三角"计算矩阵(SoC芯片:定义、结构、功能、应用、设计与技术发展| 数字经济观察端侧AI能力。

芯片行业20年 · 参与定义实现千万级量产出货 · AI芯片PM 1450

0 paddle::framework::SignalHandle(char const*, int)

paddle框架使用报错解决

weixin_42630613的博客 537

Paddle遇到问题汇总

paddlepaddle,ppocr, paddledet等相关问题记录

AI小学生 2529

AI加速在芯片的SOC里面占的分量也是越来越重

  对Al DSA的分类可以有很多不同的方式,一种大的分类方法是从基础架构来看:   传统架构+DSA。在传统架构的基础上增加新的DSA的硬件以及相应的指令。例如GPU增加Tensor Core这种专用的加速器。它的优势是灵活通用,性能比较平衡,而劣势是相对更专用的DSA在特定应用场景下的能效比、性价比。   Al领域专用架构,即针对AI的新架构。例如Google TPU,它的设计是专门针对有限的AI应用场景,牺牲一定的通用性和灵活性来换取更高的能效或者性价比。   当然不同的架构选择其实都是针对不同的应用

slivegogo的博客 782
上一篇: 作为一名开发者,这个七夕你(打算)怎么过?
下一篇: 【使用技巧】如何在RT-Thread Studio上使用GIT进行工程管理
RT-Thread物联网操作系统
博客等级 码龄6年 2万+粉丝 392原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值