- 综合排序
- 最热优先
- 最新优先
- 来自专栏Deep learning进阶路
3-2 队列
3-2 队列 1、基本概念 队列是一种特殊的线性表，特殊之处在于它只允许在表的前端（front）进行删除操作，而在表的后端（rear）进行插入操作，和栈一样，队列是一种操作受限制的线性表。
60240发布于 2019-07-02 3-2配置系统
.Net Core配置系统支持文件（Json、XML、INI）、注册表、环境变量、命令行、AZure Key Vault等。
17410编辑于 2026-06-17- 来自专栏Hank’s Blog
3-2 矩阵的子集
> x <- matrix(1:6,nrow=2,ncol=3) > x [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6
80020发布于 2020-09-16 - 来自专栏叽叽西
lagou 爪哇 3-2 zookeeper 笔记
分布式系统的协调工作就是通过某种方式，让每个节点的信息能够同步和共享。这依赖于服务进程之间的通信。通信方式有两种：
62910编辑于 2022-05-17 - 来自专栏存储公众号：王知鱼
SuperMicro：AI存储硬件方案
SuperMicro：AI存储硬件方案-Fig-1 云厂商 AI存储方案 大规模 AI/GPU 集群基础设施。按可扩展单元 (SU，也称为 Pod，例如 256 个 GPU) 进行扩展。 SuperMicro：AI存储硬件方案-Fig-2 企业级AI存储方案 Pod 级别的部署（较云厂商规模、性能要求降低） 企业用例，推理与训练的比较 存储需求： • 全 NVMe 或 PB 级别的分层存储 SuperMicro：AI存储硬件方案-Fig-3 基础计算硬件方案 在执行 AIOps 和 MLOps 时： • GPU 密集型服务器加速 AI 训练和推理。 SuperMicro：AI存储硬件方案-Fig-5 计算+存储（性能层）+容量层 方案 所有训练数据集和模型都存储在本地 • 数据湖使用容量优化的存储。 SuperMicro：AI存储硬件方案-Fig-6 方案验证 机架视角的集群组网方案 解决方案架构，分为三个层次： 1.
1.4K10编辑于 2025-02-11 - 来自专栏破晓之歌
JAVA入门3-2（未完，待续） 原
List（序列）、Queue（队列）可重复排列有序的，Set（集）不可重复无序。list和set常用。
50750发布于 2018-08-15 - 来自专栏腾讯研究院的专栏
智能硬件趋势：AI让硬件聪明 垂直细分成主流
今年CES上，除了智能汽车大出风头，另一个处处可见的则是智能硬件产品了。 如果2014年CES展更多的是智能硬件的试探，今年则是智能硬件的“布局”之年。 在硬件复兴的“风口”之下，无论是大厂商还是创业公司都已经推出智能硬件产品，或者搭建智能硬件相关的平台系统。 回顾2014年，各大厂商都在智能硬件领域有所动作。 从今年CES来看，尽管智能硬件产品“虚火”尚存，将人工智能引入硬件让硬件真正智能，以及垂直细分化等趋势是未来智能硬件产品值得肯定的方向。 腾讯在去年的全球合作伙伴大会上，宣布构建QQ、微信硬件开放平台的战略，推动连接智能硬件及线下服务。 以BAT为代表的互联网企业，都在利用自身优势，聚合一批垂直领域的硬件创业者入驻自己的生态系统，以争夺智能硬件的平台控制权。
2.3K100发布于 2018-01-31 - 来自专栏想比AI跑得更快点
硬件别装睡，让AI进去
因为它说明了，很多看起来封闭的旧硬件，只要还留着一点局域网能力，比如能接收音频投放、能显示图片、能打开网页、能响应某个本地接口，就有机会被 AI 从抽屉里捞出来，重新安排一个岗位。 AI Agent 遇到“硬”门槛 AI Agent 正在把过去很极客的事情变得普通。但同时，硬件世界的开放程度，却明显跟不上 AI 的发展速度。 很多软件服务早已给 AI Agent 提供了接口。 比如 MCP、CLI、API，AI 可以通过这些方式直接调用传统软件的能力。就像麦当劳都有 MCP 服务最懂AI的快餐企业出现了。但硬件设备还不太一样。 硬件涉及商业安全、隐私和稳定性；普通用户也没有对应的技术能力。但现在情况变了。人人都是程序员，人人都有 DIY 需求啊。 硬件厂商开放的步伐迈的还是太小了。 用 Codex 复活 Kindle，只是在狭小的硬件开放空间里做了一个微不足道的尝试。开放硬件接口，让AI进去，才能有更丰富的业态可能，也是实现物理AI的第一步。
17010编辑于 2026-06-24 边缘AI硬件优化策略解析
这些流畅交互的核心是边缘AI——直接运行于智能手机、可穿戴设备和物联网设备上的AI技术，提供即时直观的响应。什么是边缘AI？ 边缘设备在处理能力、内存和电池寿命方面受到严格限制，需在有限硬件规格下执行复杂任务。 模型优化应从选择或设计特别适合设备硬件能力的模型架构开始，然后针对特定边缘设备进行精细化调整。NAS技术使用搜索算法探索大量可能的AI模型，找到最适合边缘设备特定任务的模型。 经验表明："最佳"AI模型不一定是最炫酷的新设计或理论效率最高的模型。对边缘设备而言，最重要的是模型与实际运行硬件的匹配程度。硬件也在快速演进。 每年都在架构、制造和集成方面取得进展，确保硬件与AI趋势保持同步。边缘AI的发展之路边缘AI模型部署因生态系统的碎片化而更加复杂。由于许多应用需要定制模型和特定硬件，缺乏标准化。
38900编辑于 2025-09-15- 来自专栏GitHub项目
智能硬件 AI 语音助手 IHAVA
智能硬件AI语音助手IHAVA是腾讯云小微推出的一款AI语音助手，主要面向智能硬件行业，提供前沿的AI语音全链路能力、硬件方案咨询及认证服务，整合腾讯系优质内容和服务，打造全方位的自然人机交互体验。 该方案支持Linux、Android、RTOS等多种操作系统，灵活提供云端API和设备SDK两种接入方式，让硬件迅速获得本地智能和云端智能。 IHAVA还提供行业前沿的全链路AI语音技术，包括语音识别、语义理解、语音合成、知识图谱、AI识图能力以及机器翻译等能力。 对于需要智能硬件AI语音助手的企业或个人开发者，IHAVA是一个不错的选择。它可以提供全方位的AI语音技术支持和硬件方案咨询，帮助开发者快速实现智能语音交互功能，提升产品的用户体验和市场竞争力。 总的来说，智能硬件AI语音助手IHAVA是一款功能强大、灵活可扩展的AI语音助手，对于需要实现智能语音交互功能的智能硬件产品来说，是一个很好的选择。
3.4K10编辑于 2024-05-19 - 来自专栏TechBlog
AI开发硬件基础经验
AI开发硬件基础经验 笔记本选配 出于通勤等因素，建议型号 MacBook Air M1 16+ 256 MacBook Pro M1 16 + 256 M1芯片的mbp非常强大，发热不严重 原则：内存的容量 > 2*GPU显存，越高越好 在AI训练、测试用途中，内存部分主要考虑的是容量，数据的处理流程是硬盘=>内存=>GPU显存，一定量的内存能保证进行数据预处理的时候能非常好的。 IPU—Intelligence Processing Unit，Deep Mind投资的Graphcore公司出品的AI处理器产品。 Intel收购的Movidius公司推出的图像处理与人工智 从目前的实践来看，AI算法和传统HPC算法相比，对精度的要求低得多。因此我们看到很多AI芯片主要强调在FP16或者INT8中的精度。 可以说，对目前AI芯硬件效率的提升，低比特精度有很大贡献。 机箱 机箱风扇如何分配？
1.5K30编辑于 2023-10-13 - 来自专栏机器之心
算法、硬件、框架，2019年AI何去何从？
与发布于 2017 年的基于 Volta 芯片的显卡相比，新卡包含被称之为张量核心（Tensor Cores）的新高速矩阵乘法硬件。 自动硬件也进行了升级。Jetson AGX Xavier 是一款英伟达希望能够推动下一代自动驾驶技术的板级模块。 将注意力转移到决策智能上 算法、基础框架、硬件相关的部分已经涉及到了——为了让 AI 比以往任何时候更有用，业界开始意识到，让 AI 开始应用的最大阻碍在实用方面：你如何在生产中将 AI 从一个想法变成有效 更加定制化的硬件 摩尔定律已经失效了，至少对 CPU 是失效了，而且已经很多年了。GPU 很快也会面临相似的命运。 以后我们会看到更多这种硬件，而不是通用硬件。 对训练数据更少的依赖 有标签的数据通常都是既昂贵又不可访问的。这条规则下很少有例外。
81440发布于 2019-03-15 - 来自专栏ADAS性能优化
AI硬件：比看起来更难
第二届AI HW峰会于9月17日至18日在硅谷中心举行，近五十位发言人向500多位与会者进行了演讲（几乎是去年首届听众人数的两倍）。所有的信息来自于峰会。 提出了基于“Domain-Specific Architectures（特定领域的体系结构）”硬件设计的机遇和要求。“ DSA”概念不仅适用于新颖的硬件设计，而且适用于深度神经网络的新软件体系结构。 硬件在哪里？ 事实上，自上次峰会以来，很少有新芯片投入量产。当然 高通 的855和 阿里巴巴 汉光800是个例外。 Habana在首届AI HW Summit活动中推出了其首款令人印象深刻的芯片Goya，用于数据中心推理处理。 这是使用512个GPU在NVIDIA Saturn V上开发的，这也显示了拥有自己的AI超级计算机时可以执行的操作。
57420编辑于 2022-05-13 - 来自专栏刷题笔记
3-2 数组元素的区间删除 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101225075 3-2 数组元素的区间删除 (20 分) 给定一个顺序存储的线性表，请设计一个函数删除所有值大于
1.1K30发布于 2019-11-08 - 来自专栏《C++与 AI：个人经验分享合集》
《AI芯片：如何让硬件与AI计算需求完美契合》
它就像是人工智能的“超级大脑”，以强大的计算能力支撑着各种复杂的AI应用。那么，AI芯片究竟是如何将AI计算需求与硬件架构巧妙结合的呢？让我们一同深入探寻其中的奥秘。 同时，由于FPGA可以在硬件层面进行优化，它也能够在一定程度上提高AI计算的效率。 算法与硬件的协同设计 为了更好地满足AI计算需求，AI芯片的设计注重算法与硬件的协同。在芯片设计阶段，充分考虑AI算法的特点和需求，对硬件架构进行针对性的优化。 例如，针对深度学习中的卷积神经网络（CNN），一些AI芯片专门设计了卷积计算单元，优化了卷积运算的硬件实现方式。同时，在算法层面，也会根据硬件的特性进行调整和优化，以充分发挥硬件的性能。 通过算法与硬件的协同设计，实现了AI计算效率的最大化。 面临的挑战与未来展望 尽管AI芯片在将AI计算需求与硬件架构结合方面取得了显著进展，但仍面临一些挑战。
85310编辑于 2025-02-02 AI硬件发布！企业微信再升级
纪要自动存档：沟通记录自动保存至消息页，AI还会秒输出可分享的会议纪要。待办自动提醒：AI会根据对话内容自动分配待办事项，帮你推进todo。 拜访结束后，面聊AI会自动提炼一份详尽的沟通纪要，准确提取客户的核心需求、下单顾虑、交付时间、预算范围和下一步跟进意向。这些总结还能一键转发给微信客户，让后续的团队协同跟进有据可查。 新能力、新场景之外，新硬件也来了——为了给企业用户提供更极致的线下沟通记录体验，企业微信联合首发多款AI硬件：○ 快速启动：走廊偶遇、灵感突发时，一键即可秒速启动记录。 ○ 超长续航：不再担忧长时间录音导致手机电量告急，AI硬件超长续航告别电量焦虑。 全新AI硬件将与企业微信「记录面聊」无缝互联，让每一个有价值的灵感被留存，让每一次线下沟通被沉淀，大家可通过全平台搜索“企业微信录音笔”进行体验。
46010编辑于 2026-07-09全球AI投资：硬件狂飙与应用落差
全球AI投资集中涌入硬件与大模型2026年初，英伟达CEO黄仁勋提出了AI产业“五层蛋糕”框架：能源、芯片、基础设施、模型、应用，本报告沿用这一框架，逐层分析全球AI投资现状。 当前资本高度集中于底层硬件环节，应用层投入产出严重失衡。（一）电力瓶颈倒逼科技巨头向重资产转型电力供给已成为制约全球AI产业发展的关键瓶颈。 多重投资风险正在同步积累放大（一）硬件投入与应用回报失衡，商业化进展缓慢应用层是整条AI投资链条的价值验证环节，但当前的商业化进度滞后于投资节奏。 中国加快AI投资的政策建议当前全球AI投资高度集中于硬件，应用回报远未兑现，而中国在电力成本、模型效率和国产芯片替代等方面已形成差异化优势。 总的来说，全球AI投资正处于“硬件狂飙，而应用待验证”的关键阶段。资本的高度集中既推动了基础设施的快速建设，也埋下了回报错配和杠杆累积的隐患。
1.3K20编辑于 2026-04-16- 来自专栏万能的小草
pandas入门3-2:识别异常值以及lambda 函数
假设每个月的客户数量保持相对稳定，将从数据集中删除该月中特定范围之外的任何数据。最终结果应该是没有尖峰的平滑图形。
1.5K10发布于 2020-02-17 - 来自专栏JadePeng的技术博客
AI集群通信中的软硬件介绍
AI集群通信实现方式 AI集群是由多台包含CPU、内存、GPU的服务器组成，需要考虑机器内通信和机器间通信。 通信协调硬件 GPU与GPU 通过nvlink，GPU和CPU也通过NVLink绿色线 CPU通过总线共享内存 服务器之间，通过RDMA网卡 PCIE PCIe 5.0 最高速率是32G NVLink NCCL NCCL 架构和工作流程: NVIDIA AI 库依赖 NCCL 提供编程抽象，通过高级拓扑检测、通用路径搜索和针对 NVIDIA 架构优化的算法，针对每个平台和拓扑进行高度调整。 Pytorch中，MPI和NCCL 对比，MPI主要是CPU，NCCL是GPU： 总结 硬件通过PCIe、NVLink、RDMA来针对不同场景实现硬件通信，软件主要是MPI和NCCL。
2.5K41编辑于 2023-02-16 - 来自专栏linux运维
硬件维护问题：硬件维护不当，导致硬件故障
检查当前硬件状态首先，我们需要检查当前系统的硬件状态。 常见的硬件维护问题及解决方案2.1 硬盘维护不当问题：硬盘维护不当，导致数据丢失或性能下降。解决方案：定期检查硬盘健康状态，备份重要数据。 2.6 散热维护不当问题：散热维护不当，导致硬件过热或性能下降。解决方案：定期清理散热器和风扇，确保散热良好。示例：使用压缩空气清理散热器和风扇：关闭计算机并断开电源。 2.7 环境维护不当问题：环境维护不当，导致硬件受潮或积尘。解决方案：保持良好的工作环境，避免潮湿和灰尘。示例：保持机房通风良好，使用防尘网和除湿器。3. 使用自动化工具进行硬件维护工具：Ansible介绍：Ansible 是一个自动化工具，可以用于远程管理和配置多台主机。
1.6K10编辑于 2025-02-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号