AI模型推理服务在Knative中最佳配置实践
Knative和AI结合提供了快速部署、高弹性和低成本的技术优势，适用于需要频繁调整计算资源的AI应用场景，例如模型推理等。您可以通过Knative Pod部署AI模型推理任务，配置自动扩缩容、灵活分配GPU资源等功能，提高AI推理服务能力和GPU资源利用率。
文件编辑在后端场景的使用_通义灵码_智能编码助手
通义灵码文件编辑，具备多文件代码修改（Multi-file Edit）和工具使用（Tool-use）的能力，可以与开发者协同完成编码任务，如需求实现、问题解决、单元测试用例生成、批量代码修改等。本文聚焦于后端研发中的典型场景，提供包含代码生成、代码重构以及自动化测试编写等核心场景使用实践。同时，通过结合企业私域数据，可实现符合企业特定的个性化推荐与生成，显著提升研发效率与质量。
文件编辑在前端场景的使用_通义灵码_智能编码助手
通义灵码 文件编辑，具备多文件代码修改（Multi-file Edit）和工具使用（Tool-use）的能力，可以与开发者协同完成编码任务，如需求实现、问题解决、单元测试用例生成、批量代码修改等。本文聚焦于前端研发中的典型场景，例如文生代码、图生代码、前端自研组件的引入、前端自研组件的代码重构等核心场景使用实践。
龙蜥社区走进中国农业大学，共探“AI+生命科学” 操作系统优化实践
4 月 23 日，由浪潮信息联合龙蜥社区主办的龙蜥高校行（中国农业大学站）圆满举行。龙蜥社区 CXL SIG Maintainer、浪潮信息操作系统架构师许荣飞受邀出席，分享龙蜥操作系统衍生版云峦 KeyarchOS 如何以创新技术驱动生命科学高效计算，同时，许荣飞还介绍了龙蜥实验室等社区相关情况。此次活动吸引了近 50 位同学们踊跃参与，聆听以“AI+生命科学”为主题的精彩技术分享。 ...
构建高效AI模型：深度学习优化策略和实践
随着计算能力的飞速提升和大数据时代的到来，深度学习已经成为解决复杂问题的有力工具。然而，一个成功的AI模型不仅需要大量的数据和计算资源，更需要精心设计的优化策略来充分发挥其潜力。以下是我们探讨的几个关键优化领域。 首先是数据预处理的重要性。数据是深度学习模型的基石，高质量的数据集能够大幅提升模型性能。预处理包括数据清洗、标准化、归一化等步骤...
Anolis OS 23 基于 AMD 实例的 AI 推理优化实践 | 龙蜥技术
编者按：龙蜥操作系统 Anolis OS 23 是龙蜥社区基于操作系统分层分类理论，面向上游原生社区独立选型，全面支持智算的首款国内发行版，为开发人员提供了强大的 AI 开发平台，通过支持龙蜥生态软件仓库（EPAO），Anolis OS 23 实现了对主流 AI 框架的全面支持，使得 AI 开发更加便捷高效。本文将基于 AMD 实例介绍 Anolis OS 23 针对 AI 推理应用进行的专门优....
地址标准化服务AI深度学习模型推理优化实践
导读深度学习已在面向自然语言处理等领域的实际业务场景中广泛落地，对它的推理性能优化成为了部署环节中重要的一环。推理性能的提升：一方面，可以充分发挥部署硬件的能力，降低用户响应时间，同时节省成本；另一方面，可以在保持响应时间不变的前提下，使用结构更为复杂的深度学习模型，进而提升业务精度指标。本文针对地址标准化服务中的深度学习模型开展了推理性能优化工作。通过高性能算子、量化、编译优化等优化手段，在精....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
AI更多实践相关
产品推荐
阿里云机器学习平台PAI
阿里云机器学习PAI（Platform of Artificial Intelligence）面向企业及开发者，提供轻量化、高性价比的云原生机器学习平台，涵盖PAI-iTAG智能标注平台、PAI-Designer（原Studio）可视化建模平台、PAI-DSW云原生交互式建模平台、PAI-DLC云原生AI基础平台、PAI-EAS云原生弹性推理服务平台，支持千亿特征、万亿样本规模加速训练，百余落地场景，全面提升工程效率。
+关注