作者:
KILLE (啃)
2019-12-09 15:45:01而且很多公司弄ai是在改善自己流程,不是把應用拿去賣
作者:
DrTech (竹科管理處網軍研發人員)
2018-12-02 10:00:00不是在業內吧,機器學習實際上,不一定要深度學習。不一定扯到CUDAAI 工作,等於CUDA工作嗎?
作者:
guest0079 (SpongeBob SquarePants)
2018-12-02 10:26:00又是一篇學生文 還是外國學生文 可能跑去大陸唸書了屁孩寫文章跟大老闆一樣都一堆文句問句一堆 什麼屁也沒放
看到這篇有點感慨,因為最近我才明白自己只是API工程師
原po弄錯了,寫程式的也不會一開始就最佳化,一定是先先對,等全部規格完成,再看那些再最佳化,順序根本反了
作者: eknbz (^_<) 2018-12-02 23:01:00
我懂原PO想說甚麼:走到後期tuning效能,最佳化的公司比例甚少,大多還在前期prototype, model階段 但AI已經喊得震天價響 認為這樣算是吹泡泡傳統消費電看法的確要到後期調教性能才算接近商業化產品
作者: eknbz (^_<) 2018-12-02 23:10:00
有的AI應用是比想法創意,至於框架和實現就站在google nvid的肩膀上 有的是拼效能,這種就要最佳化 兩者無法相提並論結果我想說的下一篇blue大就講的差不多了...
cuda 不就只是用來做gpu平行運算用嗎 優化算的更快 還不如把model壓縮-.- 況且還要確認你演算法精度夠高
作者:
matyih (mat)
2018-12-03 02:18:00樓上Cuda還是很重要喔,只是cudnn都幫你寫好了(裡面由cuda/ptx碼組成) 沒有的話普通人根本沒有辦法有效訓練模型
pandas在github主要開發者(commits>200)也才10人其他AI主流套件也差不多 核心開發者都少 一般都是會使用就好 其實除非強到會飛天 不建議改底層算法 因為寫出來bug不見得少 效能不見得好
可能對他們而言 找人改底層算法不如加一片GPU...
作者:
miname (>.<)
2019-12-09 16:17:00可以不要用cuda啊,tpu快很多
過一年來看,除了科技部國網中心不少預算外,新創沒有大陸台灣不少圈錢,也不了了之,ITRI一直有計畫,但展出的東西,辦識乖乖等零食,花一堆錢,所以不說自明了補個掛,這口號還是一樣在喊,預算也不少