ABOUT TOPICS CATEGORIES ARCHIVE BLOG HUB

Все записи

There are a total of 12 posts.

ONNX Runtime GPU: Почему и как нужно собирать самостоятельно

2026-03-03

ONNX Runtime GPU: Почему и как нужно собирать самостоятельно

Подробный гид по самостоятельной сборке ONNX Runtime GPU для платформы aarch64. Описаны шаги от установки CUDA 13 и cuDNN до настройки CMake, создания wheel‑файла и проверки работы на DGX‑Spark, что обеспечивает максимальную производительность генеративных моделей.

#gpu #глубокое обучение #onnxruntime #aarch64 +2
Потеря градиента (Vanishing Gradient) – почему глубокое обучение страдает от «кратковременной амнезии»

2025-12-19

Потеря градиента (Vanishing Gradient) – почему глубокое обучение страдает от «кратковременной амнезии»

Проблема потери градиента в глубоких нейронных сетях объяснена: как сигмоида и цепное правило приводят к исчезновению сигналов, и как ReLU и ResNet решают эту проблему, включая практические советы по применению.

#глубокое обучение #обратное распространение #relu #resnet +2
Обратное распространение (Backpropagation): как ИИ выявляет виновника ошибки

2025-12-19

Обратное распространение (Backpropagation): как ИИ выявляет виновника ошибки

Обратное распространение (Backpropagation) в ИИ: как цепное правило и PyTorch Autograd автоматически вычисляют градиенты, а также как решается проблема исчезновения градиента в глубоких нейросетях.

#глубокое обучение #обратное распространение #pytorch autograd #цепное правило +2
NumPy и PyTorch: истинные отношения и порядок обучения

2025-12-17

NumPy и PyTorch: истинные отношения и порядок обучения

Для разработчиков глубокого обучения важно понять, как NumPy и PyTorch взаимодействуют: NumPy используется для CPU‑обработки, визуализации и статистики, а PyTorch – для GPU‑тренировки с автоградиентом. Понимание совместного использования памяти и конвертации ускорит практику.

#pytorch #gpu #глубокое обучение #numpy +3
Основные операции NumPy для глубокого обучения: +, -, *, /, **, сравнение, sum/mean/max/min, axis

2025-12-16

Основные операции NumPy для глубокого обучения: +, -, *, /, **, сравнение, sum/mean/max/min, axis

В этой статье подробно рассматриваются основные операции NumPy (+, -, *, /, **), сравнения, агрегатные функции (sum, mean, max, min) и понятие axis с точки зрения глубокого обучения. Вы узнаете, как применять эти операции для расчёта потерь, точности и нормализации в реальных задачах.

#глубокое обучение #numpy #axis #агрегирующие функции +3
NumPy для начинающих в глубоком обучении: почему стоит изучить его до PyTorch

2025-12-15

NumPy для начинающих в глубоком обучении: почему стоит изучить его до PyTorch

NumPy – фундамент для глубокого обучения: почему его изучить до PyTorch, как он связан с тензорами, и какие ключевые шаблоны (векторизация, бродкастинг, нормализация) помогут быстро перейти от теории к практике.

#pytorch #глубокое обучение #numpy #векторизация +2
Перемещение мощности от CPU к GPU - Почему AI любит 'матрицы'?

2025-11-21

Перемещение мощности от CPU к GPU - Почему AI любит 'матрицы'?

Обсуждаем причины, почему модели AI предпочитают матричные операции и примеры повышения производительности при переходе от CPU к GPU. Узнайте, как ускорение GPU поднимает уровень глубокого обучения и эффективность матричных вычислений.

#gpu #ai #глубокое обучение #производительность +1
Секреты обновления модели LoRA - редактирование и повторение, техника тонкой настройки, похожая на человеческую память

2025-11-19

Секреты обновления модели LoRA - редактирование и повторение, техника тонкой настройки, похожая на человеческую память

Исследуя секреты обновления модели LoRA, этот пост представляет механизм забывания и повторения, напоминающий человеческую память. Мы обсуждаем эффективные стратегии обновления модели на основе LoRA и практические примеры для разработчиков и исследователей в области ИИ.

#глубокое обучение #lora #тонкая настройка #модели обновления +1
Что такое CUDA? Начало GPU и параллельных вычислений

2025-06-09

Что такое CUDA? Начало GPU и параллельных вычислений

CUDA — это платформа NVIDIA для параллельных вычислений, необходимая для высокоскоростных вычислений на GPU. Представляем ее концепцию и структуру.

#cuda #gpu #nvidia #параллельные вычисления +1

2025-06-09

Размышления о глубоких нейросетях и TensorFlow

Стоит ли изучать глубокое обучение и TensorFlow? Исследование реалистичного подхода между быстрой разработкой с использованием AI API и навыками самостоятельной разработки моделей. Путь к созданию собственного AI для разработчиков.

#tensorflow #глубокое обучение
Первый шаг в глубокое обучение с TensorFlow на Python - Заметки разработчика

2025-06-09

Первый шаг в глубокое обучение с TensorFlow на Python - Заметки разработчика

Изучите концепции глубокого обучения с использованием TensorFlow и реализацию линейной регрессионной модели. Понять принципы тензоров и вычислительных графов, предварительная обработка данных, выбор модели, обучение и оптимизация через практические примеры.

#tensorflow #глубокое обучение
AI, машинное обучение и глубокое обучение: концепции и введение в фреймворки глубокого обучения

2025-06-09

AI, машинное обучение и глубокое обучение: концепции и введение в фреймворки глубокого обучения

В этом посте мы разобрали различия между AI, машинным обучением и глубоким обучением, а также представили основные фреймворки глубокого обучения, такие как TensorFlow, PyTorch и Keras. Узнайте больше о характеристиках и применении каждого фреймворка, чтобы выбрать подходящий инструмент для глубокого обучения.

#tensorflow #pytorch #глубокое обучение