- 综合排序
- 最热优先
- 最新优先
- 来自专栏GPUS开发者
ArrayFire3.1发布，支持机器视觉和机器学习
2015年9月，Accelereyes公司宣布ArrayFire V3.1发布。新版本将重点支持计算机视觉和机器学习功能，并将相应函数添加到库里，除此之外支持阵列和数据处理功能。 ArrayFire V3.1更新和新功能的完整列表可以在产品发行说明中找到。 随着8年不断的开发，开源ArrayFire库目前已经是顶级的CUDA和OpenCL软件库。 ArrayFire支持CUDA的GPU、OpenCL设备，以及其他加速器。凭借其易于使用的API，这种不依赖于硬件的软件库可以让开发者无需耗时编写CUDA和OpenCL设备代码，就能轻松加速代码。 利用ArrayFire的库函数，开发者可以最大限度地提高代码生产效率和性能。每个ArrayFire函数都是由CUDA和OpenCL专家手工优化。
68960发布于 2018-03-30 - 来自专栏GPUS开发者
CUDA&OpenCL编程7个技巧及ArrayFire如何帮助您
ArrayFire函数本质上是量化的，因此，如果您使用ArrayFire，你正在编写向量化代码。 · 内存传输:避免过多的内存传输。 有了ArrayFire，你可以通过创建矩阵数据类型来控制运行在每个设备的代码段。 · 循环: 循环通常意味着串行处理。 ArrayFire 采用了一个lazy execution，可以根据你的算法自动构建最佳的内核。 如果你想强制一个ArrayFire计算，可以用ArrayFire sync和eval函数。 · 一个好的计时代码: 计时代码写的不好，常可引起人为加速器性能下降。 使用ArrayFire，下标是很容易的。 ArrayFire是列主序的，所以它是更快地访问列（A（跨度，i）），而不是行（A（i，跨度））。
1.4K60发布于 2018-03-30 - 来自专栏GPUS开发者
教你一招，不会CUDA也能玩转矩阵加速
秘密武器就是：ArrayFire！ ? ArrayFire是由美国一家公司叫Accelereyes开发的，为广大程序猿提供了快速开发数据并行程序的一个软件平台。 ArrayFire提供了简单的高级矩阵抽象函数而不是低级的GPU APIs,诸如CUDA、OpenCL、OpenGL,可以让那些非计算机专业的科学家、工程学家、经济学家充分利用GPU的硬件优势！ ArrayFire早就有了，只是由于当时是收费的，尽管针对高校提供了优惠折扣，但叫好不叫座——小编为什么知道这么多？因为我们是他们在中国的代理。 去年，ArrayFire开源了！ 好了，不多说，举几个例子，来看看这个ArrayFire有多好用吧！ 大家可以动手试一试，去Arrayfire.com上下载玩一玩吧！从来导师再也不用担心你毕不了业了！ ?
1.5K40发布于 2018-03-30 - 来自专栏汇智网教程
wav2letter++：基于卷积神经网络的新一代语音识别框架
为了更好地理解wav2letter++的架构，有以下几点值得着重指出： ArrayFire张量库：wav2letter++使用ArrayFire作为张量操作的基础库。 ArrayFire支持硬件无关的 高性能并行建模，可以运行在多种后端上，例如CUDA GPU后端或CPU后端 数据预备和特征提取：wav2letter++支持多种音频格式的特征提取。
1.5K10发布于 2019-03-12 - 来自专栏AI科技评论
动态 | Facebook 开源首个全卷积语音识别工具包 wav2letter++
Flashlight 是建立在 C++基础之上的机器学习库，使用了 ArrayFire 张量库，并以 C++进行实时编译，目标是最大化 CPU 与 GPU 后端的效率和规模，而 wave2letter ++工具包建立在 Flashlight 基础上，同样使用 C++进行编写，以 ArrayFire 作为张量库。 这里着重介绍一下 ArrayFire，它可以在 CUDA GPU 和 CPU 支持的多种后端上被执行，支持多种音频文件格式（如 wav、flac 等），此外还支持多种功能类型，其中包括原始音频、线性缩放功率谱
98510发布于 2018-12-29 - 来自专栏GPUS开发者
AMD发布APPML源码，构建clMath库
一直以来AMD与AccelerEyes保持密切合作，AccelerEyes工程师正在为clMath库的发展投入大量的资源，APPML 也将会在即将到来的ArrayFire v2.0 版本中被使用.致力于将该项目打造成合作重点
1.1K120发布于 2018-03-30 - 来自专栏新智元
苹果版CUDA来了！专为自家芯片打造，M3 Max可跑每秒迭代2.8次
MLX使用起来类似PyTorch、Jax和ArrayFire等现有框架。 但是，MLX针对Apple芯片进行了优化。以前受困于艰难使用M芯片GPU跑模型的研究人员，现在终于可以摆脱这个苦恼了！ 这是因为MLX 的设计灵感来自于 PyTorch、Jax 和 ArrayFire 等现有框架。 研究团队解释道：「Python API 与 NumPy 高度相似，只有少数例外。
3.7K10编辑于 2023-12-20 - 来自专栏NowlNowl_AI
AI日报：苹果为使用Mac的人工智能开发者推出开源工具
开发细节 苹果表示，MLX的设计受到了其他流行框架的“启发”，包括PyTorch、Jax和ArrayFire。
53510编辑于 2024-01-18 - 来自专栏量子位
最强CNN语音识别算法开源了：词错率5%，训练超快，Facebook出品
wav2letter++由Facebook AI研究院（FAIR）的语音团队推出，以C++写成，使用了ArrayFire张量库和flashlight机器学习库。
1.9K20发布于 2018-12-28 - 来自专栏HelloGitHub
在 Windows 用上 Linux GUI——GitHub 热点速览 v.21.17
核心功能包括： 用 ArrayFire tensor 库实现 JIT 内核编译 用 CUDA 和 CUP 作为 GPU 和 CPU 训练的后端 高效且可扩展 GitHub 地址→https://github.com
1.1K30发布于 2021-05-08 - 来自专栏机器之心
苹果为自家芯片打造开源框架MLX，实现Llama 7B并在M2 Ultra上运行
MLX 的设计灵感来自 NumPy、PyTorch、Jax 和 ArrayFire 等框架。
1.4K10编辑于 2023-12-12 - 来自专栏HyperAI超神经
从头造轮子 or 重复造轮子？苹果开源 MLX，为自家芯片专属定制机器学习框架
MLX 设计理念简单，参考了 NumPy、PyTorch、Jax 和 ArrayFire 等框架，其关键功能包括： * 熟悉的 API：MLX 的 Python API 跟 NumPy 非常类似，同时
92210编辑于 2023-12-12 - 来自专栏量子位
苹果大模型最大动作：开源M芯专用ML框架，能跑70亿大模型
然后，MLX框架也参考了不同机器学习框架的优势，包括NumPy、PyTorch、Jax和ArrayFire等。
2.5K10编辑于 2023-12-12 - 来自专栏新智元
Python迎来新挑战：LeCun站台的Skip语言有机会成为深度学习语言吗？
并且还附上了一个Skip语言编写的、基于ArrayFire引擎的深度学习原型框架Skai的GitHub仓库。Skai的开发受到著名C++机器学习库FlashLight的启发。
50250编辑于 2022-03-04 - 来自专栏AI科技大本营的专栏
C#也能做机器学习？基于.NET的AI智能应用市场还是一片“处女地”
为了达到这个目的，SciSharp 从最基本的张量计算库 NumSharp 开始构建，到 TensorFlow Binding，再到吸纳其它深度学习库 SiaNet, 做 ArrayFire.NET，最后到开发
3.1K10发布于 2019-10-28 - 来自专栏程序人生丶
C++ 资源大全：标准库、Web框架、人工智能等 | 最全整理
Wav2Letter++: 公共域，完全用C++编写的快速开放源代码的语音处理库，同时使用ArrayFire张量库和flashlight机器学习库来实现最高的效率。 ArrayFire: 通用GPU库。 Async++: C++ 11 的轻量级并行框架，受Microsoft PPL库和N3428 C++标准提案启发。 flashlight: 来自Facebook AI研究中心的快速、灵活的机器学习库，其完全用C++编写，基于ArrayFire张量库。 libsvm: 支持向量机的简单、易用、高效的库。
2.4K00编辑于 2024-05-13
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