AI算力基础 -- CS217课程

最新推荐文章于 2025-04-12 23:59:48 发布
原创 最新推荐文章于 2025-04-12 23:59:48 发布 · 511 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

本文档分享了Stanford大学课程CS217的学习笔记，涵盖核心算法、人工智能理论与实践，从链接获取到关键知识点解析。

------------ Standford课程 CS217学习笔记 --------------------

课程PPT链接：
链接：https://pan.baidu.com/s/1wKRNadJtO9TZBIlg4DSTFA
提取码：1017

[Stanford CS217]CUDA中矩阵乘法GEMM优化的最关键点：向量内积和向量外积分别取行和取列
weixin_55035144的博客
06-27 1195
对于矩阵C中的每一个tile，矩阵A与矩阵B中的tile只需要读取一次，这样就可以达到 O(N) 的计算强度。理想情况下性能应当受限于算术吞吐量，确切来说对于一个大型方阵，即 M=N=K ，矩阵乘法的数学操作复杂度为 O(N3) ，而数据量为 O(N2) ，同时计算强度为 N （这里的计算强度可以被理解为同一个数据被重复利用的次数）。GEMM就是指计算 C=A∗B+C ，其中 A 、B和C都是矩阵，A是 M×K 的矩阵，B是 K×N 的矩阵， C是 M×N 的矩阵。这就是向量内积和向量外积的最大区别。
AI101-A01｜初识人工智能
I am rushuni.
12-09 846
从AI的历史起源、发展历程到现状进行了系统讲解。 以通俗易懂的方式，面向非技术背景读者，解释了AI的定义、层次及未来发展趋势。
现代优化计算方法_CS217课程解析：剖析QNNPACK的矩阵运算优化思路
weixin_39848007的博客
11-30 412
QNNPACK是facebook在2018年底推出的面向mobile AI的高性能开源加速库，可以在手机端提供2倍以上的性能提升。QNNPACK不但对传统的卷积有较好的加速，对于新兴的group convolution、depthwise convolution也有不错的效果。尽管这是纯软件的工作，其中很多优化方式和思想很值得借鉴。传统深度学习的算法，特别是面向图像和视频领域的模型，主要都是卷积操...
AI芯片技术发展
11-28 982
关注我们 更多精彩等你发现! ▌本文来源：StarryHeavensAbove（已授权） 前段时间我在Techbeat上做了一个关于AI芯片的讲座，这里整理一个文字的版本，分享给大家。 我们说AI芯片，一般是泛指所有用来加速AI应用，特别是基于神经网络的深度学习应用的硬件，它可以是一颗独立的芯片，也可以是芯片中的模块，其基本技术都是相关的。 当我们讨论AI芯片出现的背景的时候，经常会看到这两张图。左边这张是openai在2018年发布的报告，简单来说，它的结论就...
numpy 点乘_斯坦福CS217(六)Spatial点乘示例
weixin_39927378的博客
12-22 192
本节课主要介绍点乘的软件实现以及使用Spatial的硬件实现本节课内容包括点乘回顾、点乘的软件实现、点乘的硬件设计、点乘的优化以及如何理解性能点乘就是两个等长序列的累加和，它的几何意义就是计算cos(a,b)用软件来仿真可以看到比较简单，numpy包提供了自带点乘函数dot来实现功能，它的计算结果和上面写的遍历累加和的结果一致。用Spatial语言实现更加简单，用zip的方法让矩阵aIn和bIn，...
vhdl语言实现小游戏_斯坦福CS217(五)Spatial语言简介
weixin_39703982的博客
11-22 348
本节主要介绍斯坦福提出的Spatial语言，Spatial语言是内嵌与scala的领域特定语言(DSL)，用来实现硬件设计。本节的阅读材料有：1.Spatial的论文https://stanford-ppl.github.io/website/papers/pldi18_koeplinger.pdf​stanford-ppl.github.io2.AladdinProceeding of the ...
精选资源
cs224n-2017-winter：CS224n的所有讲义，幻灯片和作业：斯坦福大学的“深度学习中的自然语言处理”课程
02-07
CS224n是斯坦福大学开设的一门深度学习与自然语言处理（NLP）相关的课程，课程编号为"cs224n-2017-winter"，主要聚焦在如何利用深度学习技术来解决自然语言处理领域的各种问题。这门课程涵盖了从基础的神经网络模型...
斯坦福最新cs231n课程ppt-06
10-25
通过斯坦福CS231n课程的学习，学生不仅能够掌握深度学习的基础知识，还能紧跟前沿技术的发展，为未来在人工智能领域的深入研究和工业界的应用打下坚实的基础。 标签“机器学习 数据集 斯坦福”表明了课程内容的领域...
CS50 AI学位项目：探索人工智能核心课程
“CS50 AI学位项目”是哈佛大学推出的计算机科学与人工智能交叉领域的深度学习课程项目，作为广受欢迎的CS50系列课程的延伸，该项目专注于将基础编程能力提升至人工智能和机器学习的高级应用层面。该学位项目并非...
斯坦福cs231n-深度学习CV经典课程
最新发布
08-11
斯坦福大学cs231n课程是全球计算机视觉领域内极具影响力的课程之一。它主要针对深度学习在计算机视觉任务中的应用进行深入研究，课程内容全面涵盖了从基础的神经网络概念到高级的图像识别技术。cs231n课程由斯坦福...
GPU 神经网络硬件Tensor Core加速器（三）
生活需要深度
07-19 2570
③存储在权重缓存中的Tm个Tn通道的卷积核权重被充分复用，以更新存储在输出缓存中的Tm个通道的R*C输出部分和。对于某个神经网络加速，通常在有限的片外传输带宽限制下，通过高效的数据调度，驱动尽可能多的计算单元，以实现最高的有效吞吐量，同时要利用数据共享的特性，提高数据重用率，尽可能提升NPU吞吐量和能效。输入特征图尺寸为N*H*L，卷积计算通过M个尺寸为K*K*N的3维卷积核完成，每个卷积核在输入特征图上以S为步长滑动并进行3维卷积计算，最终生成尺寸为R*C*M的输出特征图。CNN中的卷积层计算。
斯坦福大学计算机类课程视频
热门推荐
寸先生的AI道路
10-27 1万+
斯坦福大学计算机类课程都是以CS开头编号，可以在网址https://exploredegrees.stanford.edu/coursedescriptions/cs/查询，在网上可以登录查看课程的课件和视频等，在B站上可以搜索到部分带中文字幕的授课视频，名校的视频确实非常板扎。B站：https://search.bilibili.com/all?keyword=%E6%96%AF%E5%9D%A...
Tensor-001 矩阵乘法分块乘法概述
强化学习曾小健
04-12 882
以下文章来源于zartbot ，作者扎波特的橡皮擦新开一个专题来介绍一下矩阵计算相关的内容, 从最基本的算法,到Cutlass这些线性代数模版库, 特别是Layout代数相关的内容, 后面再逐渐细化到一些硬件实现访存优化和一些算子融合相关的话题, 准备工作闲暇时间有点空就补一点, 做个长期的专栏.对于一个矩阵乘法, 我们定义如下:如下图所示:因此我们可以构建一个最简单的算法 这种乘法是也被称为矩阵乘法的内积形式我们可以注意整个过程中随着循环, B矩阵的乘法空间局部性很差,存在多次访问, 因此我们尽量需要
机器字长16位最大浮点数_斯坦福CS217(十)机器学习中的浮点计算
weixin_33169898的博客
12-20 1023
本节内容介绍浮点计算基本概念和机器学习中的浮点计算浮点数（有理数）_百度百科​baike.baidu.com浮点中采用舍入处理而不是阶段的方法来处理数。图中使用的是就近舍入处理，相比于截断处理的误差满足小于1/2 ulp(One Unit in the Last Place,一个单位的最后的地方)硬件中是如何实现浮点加法计算的呢？假设用4位十进制表示，首先要対阶，将小的浮点数移位使得两个浮点数的阶...
斯坦福CS课程列表
weixin_33906657的博客
03-30 2561
http://exploredegrees.stanford.edu/coursedescriptions/cs/ CS 101. Introduction to Computing Principles. 3-5 Units. Introduces the essential ideas of computing: data representation, algorithms, program...
斯坦福CS224n深度学习与NLP课程开放全部课程视频
zchang81的博客
08-16 8164
斯坦福大学CS224n（全称：深度学习与自然语言处理）是自然语言处理领域很受欢迎的课程，由 Chris Manning 和 Richard Socher 主讲。
“星知荟“算力系列课程
weixin_40929413的博客
05-17 406
二、算力的发展趋势 三、算力网络的定义与愿景 四、算力网络的目标 五、算力网络的架构 七、算力网络的场景 八、算力网络的技术图谱 九、算力基础设施关键技术——异构计算 十、算力基础设施关键技术——算力原生
AI算力基础 -- MIT课程《Understanding Deep Neural Networks》
凡物加倍磨治，皆能变化气质
11-28 2392
阅读总结 深度神经网络的高效处理（硬件）《Efficient Processing of Deep Neural Networks》读书笔记 原书：《Efficient Processing of Deep Neural Networks》Vivienne Sze, Yu-Hsin Chen, Tien-Ju Yang, Joel S. Emer（Morgan&Claypool Publishers - Synthesis Lectures On Computer Architecture）出版时
评论 1
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