Discuz! Board

標題: 我们的开源的新功能增强功能和论文代码 [打印本頁]

作者: heyjoypaul 時間: 2024-4-28 11:44
標題: 我们的开源的新功能增强功能和论文代码

在过去的几年里，我们一直在扩大我们的合作力度，启动开源u项目来分享来自高通人工智能研究中心的最先进技术。年月，高通创新中心Qu在u上开源了人工智能模型效率工具包，为人工智能开发人员提供一个简单的库插件，以利用最先进的量化和压缩技术。年月，Qu以Z的形式向u贡献了一系列针对8位推理优化的流行预训练模型。Z与这些模型一起提供了将流行的位浮点(F)模型量化为8位整数(8)模型的方法，且精度损失很小。中添加了新的量化技术我们将继续积极为做出贡献，并很高兴分享这样的消息增加了对自适应舍入(Ru)的支持，以在不牺牲太多精度的情况下实现位量化，以及对循环神经网络的量化的支持(R，扩大了的能力，以解决通常处理时间动态行为例如语音识别的网络。新的开源项目，其源代码来自著名论文今天，我还很高兴地宣布，我们将通过推出新的QuRru页面来加强我们的开放合作。在ur、R和VR等人工智。

能学术会议上，新颖的论文是向社区其他成员贡献创新和有影响力的人工智能研究的主要方式。通过与人工智能研究人员和工程师分享这些新发现，我们可以进行合作，在其他工作的基础上发展，并推动人工智能行业向前发展。现在，这个新的u页 柬埔寨 WhatsApp 号码 面将通过包含与高通人工智能研究的一些关键论文相关的源代码来扩展这些努力。我们希望提供代码将使其他研究人员和开发人员能够轻松地在此基础上进行构建，从而推进我们的研究并带来新的创新。我们的初始贡献将包括篇论文的代码，其中包括VR的三篇已接受的论文Frx有条件提前退出以实现高效视频识别VR口头vrFr结构化边界感知分割的损失函数VR口。

头用于高效视频处理的跳跃卷积(VR)概率数值卷积神经网络(R)这只是高通人工智能研究u页面的开始，我们将继续定期发布未来人工智能论文中的代码。我们还计划通过此u向人工智能社区提供更多数据集，就像我们过去对高通关键字语音数据集和Q张量程序执行时间数据集之前通过高通开发者网络发布所做的那样。我希望我们的研究能够激发您的兴趣，我期待看到人工智能社区如何在我们的工作基础上发展。总体而言，高通与快手强强合作的目的是显着改善数百万快手应用用户在骁龙手机上的用户体验。而这仅仅是个开始。与Qu的合作，推动了快手人工智能算法的性能极限，快手人工智能研究经理卞宏昌先生表示。我们很高兴能够继续共同努力，在高端芯片上利用异构计算的力量。通过提高神经网络的性能和输出质量，我们将能够为用户带来更引人注目的应用程序和价值。

歡迎光臨 Discuz! Board (http://jome1593.makebbs.com/)